基于模糊深度学习网络算法的短期股价预测

发布时间：2017-06-14 06:02

  本文关键词：基于模糊深度学习网络算法的短期股价预测，由笔耕文化传播整理发布。

【摘要】：股票市场研究一直是经济学研究的一个重要部分,股票市场是一国经济状况的晴雨表,一直以来受到政府与管理者以及投资者的高度关注。其中短期股价趋势的预测更是成为投资者研究关注的重点。股票市场受多种因素影响,是一个极其复杂的非线性动力学系统,具有很强的复杂性与非线性,使股价波动具有不确定性、高噪声等特点,股价预测的结果也往往不尽人意。而且股票市场具有的信息量十分庞大,随着大数据时代的发展,给股票市场预测提供更多信息的同时,对大量数据的处理能力也是影响股票市场预测研究的重要部分。如何利用新的理论建立可以应用于股票市场预测的模型提高股票市场预测的准确度对金融投资者具有很大的理论意义与应用价值。神经网络作为常用的非线性动力学系统一直在经济、金融领域的预测问题上得到广泛的应用,并在学术研究上取得了不错的效果,而传统浅层BP神经网络模型存在学习速度慢且容易陷入局部收敛等问题。2006年加拿大学者Hinton提出的深度学习神经网络为人工智能领域带来了新的希望。其中深度信念网络是深度学习的典型模型,目前深度信念网络主要应用于语音识别、图形提取等方面,取得前所未有的成功,同时各领域的学者们也渐渐尝试将深度信念网络应用到其他方面。模糊理论与神经网络的结合应用已有四十多年,各种研究证明神经网络与模糊理论的结合可以有效弥补其自身的不足。本文综述了股票市场短期预测以及模糊理论与深度信念网络的理论基础,研究了DBN模型的学习算法,通过实验的方法构建股价预测的模糊深度学习网络模型。首次将深度学习网络应用于股票市场预测,并对模型效果进行了检验分析,通过实验确定了DBN最有结构,并应用模型对不同股票进行了实证分析,同时与浅层BP神经网络效果进行了对比分析,为进一步验证模型的预测能力,将原来的一分钟数据分别改为五分钟数据和十分钟数据进行了对比分析。各种实验结果表明,所构建基于模糊理论与深度学习网络算法的股价预测模型效果良好,具有很大的研究前景。
【关键词】：股票市场预测 深度信念网络 模糊理论 高频数据
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;F830.91
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-16
• 1.1 课题研究的背景和意义9-10
• 1.2 国内外在该方向的研究现状及分析10-12
• 1.2.1 国外研究现状10-11
• 1.2.2 国内研究现状11-12
• 1.2.3 国内外文献综述的简析12
• 1.3 主要研究内容12-14
• 1.4 研究方案14-16
• 第2章 股票市场与模型构建相关理论基础16-32
• 2.1 股票市场相关理论16-22
• 2.1.1 中国股票市场发展与股价预测理论发展16-18
• 2.1.2 短期股票预测的参数模型18-20
• 2.1.3 短期股票市场高频数据研究20-21
• 2.1.4 短期股票预测中神经网络模型的应用21-22
• 2.2 模糊理论22-23
• 2.3 神经网络23-31
• 2.3.1 BP神经网络24-26
• 2.3.2 玻尔兹曼机26-27
• 2.3.3 受限玻尔兹曼机及常用算法27-30
• 2.3.4 深度信念网络30-31
• 2.4 本章小结31-32
• 第3章 基于模糊深度学习网络算法的短期股价预测模型建立32-44
• 3.1 数据准备32-35
• 3.2 确定输入输出变量35-37
• 3.3 网络结构设计37-38
• 3.4 模型训练38-42
• 3.5 预测方法设计42
• 3.6 对比模型42
• 3.7 本章小结42-44
• 第4章 股价预测模型实证分析44-54
• 4.1 海信电器股票预测中DBN最优结构44-47
• 4.2 模型对不同股票的实证效果分析47-49
• 4.3 模型与BP神经网络预测效果比较分析49-52
• 4.4 模型对不同时间的预测效果比较52-53
• 4.5 本章小结53-54
• 结论54-56
• 参考文献56-60
• 附录60-63
• 致谢63

  本文关键词：基于模糊深度学习网络算法的短期股价预测，，由笔耕文化传播整理发布。

本文编号：448649