用户投资行为建模及归因分析方法研究

发布时间：2020-10-27 19:45

　　 经过数十年的发展我国证券市场不断完善,参与证券投资的个人投资者人数众多。对投资者的投资行为进行客观、科学的评价可以帮助投资者确立理性的投资理念,但大多数个人投资者不具备专业的投资知识,无法独立对自己的投资行为做出准确的分析评价。由于个人投资者的投资行为与基金投资行为存在较大的差别,目前以基金为研究对象的业绩归因模型无法直接应用到个人投资者的投资行为分析中。此外投资者在投资过程中积累了大量的投资行为数据,简单地进行归因分析并无法完全利用用户投资行为数据中蕴含的信息。针对现有的问题,本课题以用户投资行为作为研究对象,提出了用户业绩归因模型,并对将循环神经网络模型应用于用户投资行为建模分析进行研究。本文的研究工作包括以下几个研究内容:针对传统机器学习算法只使用用户投资行为的统计特征,无法处理用户投资行为中包含的其他丰富信息的问题,例如:时间动态信息、用户行为偏好等。本文将在处理序列化数据中应用广泛的RNN网络引入对用户投资行为的建模中,在投资行为预测任务中训练模型。针对用户投资行为数据集,本文对RNN网络进行了相应的调整优化。同时引入注意力机制,模型对投资行为分配不同的权重,使得模型的可解释性更好。由于上面的模型在用户投资行为建模过程仅使用了用户投资行为的序列信息,忽略了相关用户信息的重要性,只学习到了投资行为数据中蕴含的用户行为模式或用户偏好信息。本文进一步研究为LSTM神经单元添加新的门控单元引入用户信息,引入用户信息后模型在评价指标上的性能有一定的提升。注意力机制的引入可能使神经网络模型过于关注用户投资行为序列中的某些行为造成模型过于关注局部性信息而忽略了序列全局信息,使得模型学习到的信息过于偏颇不能全面真实地反映用户行为记录。本文使用并行联合训练的模型框架去解决该问题,基于原始LSTM神经元和改进后的LSTM神经元的并行联合训练模型的性能在评价指标均有提升。针对现有的Brinson业绩归因模型无法应用到个人投资者投资行为分析的问题,本文重新定义了用户投资实际收益率的计算方法,并在该基础上提出适用于个人投资者的用户业绩归因模型。基于用户业绩归因模型搭建了用户投资行为量化分析评价系统。
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F832.51;F224
【部分图文】：

哈尔滨工业大学工学硕士学位论文2.2.1 循环神经网络结构及其变种循环神经网络(RNN)[40]：是被设计可以更好地处理序列数据。循环神经网络通过引入隐藏状态来存储过去数据提供的信息，存储的过去信息和当前输入数据共同影响后序的信息，这就使得循环神经网络有记忆功能，可以记忆之前数据提供的相关信息。循环神经网络记忆之前的隐藏状态并非全部存储，而是通过一个隐藏状态这样极大地减少了模型参数的数量。

的长依赖关系，提出了门控循环神经网络，它可以通过门控单元控制信息的流动，长短时记忆网络就是一种常用的门控循环神经网络。LSTM 相较于 RNN 引入了三个“门”，分别为输入门、遗忘门和输出门，除了引入门控单元还添加了与隐藏状态形状相同的特殊隐藏状态来保存额外的信息被称为记忆细胞。LSTM 的详细结构如图 2-2 所示。

层的隐藏单元有一定的概率失效丢弃，该方法只在训练时起作用，可以增强的泛化能力。Dropout 机制的示意图如图 2-5 所示。Dropout 令隐藏单元失效可以使网络结构更加简化，训练像在训练一个模型的集合中的所有模型，集每个模型的参数减少但整个模型集合的参数数目不变，这就很好的缓解了深习模型训练过程中容易过拟合的问题。
【相似文献】

相关期刊论文 前10条

1 刘德胜;司光亚;蒋亚群;罗批;;面向战争问题的群体行为建模研究综述[J];系统仿真学报;2013年02期

2 司光亚;胡晓峰;李志强;杨志谋;;战争模拟中大规模群体行为建模研究与实践[J];军事运筹与系统工程;2011年01期

3 仲辉;王维平;黄炎焱;李群;;一种基于π演算的行为建模形式化方法[J];系统工程理论与实践;2009年05期

4 李延芳;吴朝晖;;行为建模在齿轮设计中的应用[J];宁波工程学院学报;2008年04期

5 杜瑾;刘均;郑庆华;丁娇;龚智勇;韩殿哲;;一种基于网页元数据的用户访问行为建模方法[J];西安交通大学学报;2008年02期

6 周克媛,韩先征;行为建模技术(Behavioral Modeling)在零件设计中的应用[J];青岛职业技术学院学报;2004年01期

7 求索;行为建模技术[J];计算机辅助设计与制造;2000年02期

8 林勇;史庆春;;行为建模在单拐曲轴设计中的应用[J];科技与创新;2015年20期

9 王鑫;杜林芳;;行为建模技术在减速器优化与仿真设计中的应用[J];河南工程学院学报(自然科学版);2013年02期

10 王栋;柏彦奇;孙晓;;装备保障执行层的机动行为建模[J];价值工程;2011年15期

相关博士学位论文 前10条

1 孙林;CGF中的指控行为建模关键技术研究[D];国防科技大学;2017年

2 吴润泽;基于认知诊断的学生作答行为建模方法及应用研究[D];中国科学技术大学;2018年

3 付跃文;面向群体性事件的人群行为建模与控制方法研究[D];国防科学技术大学;2016年

4 郑义;计算机生成兵力行为建模与实现技术研究[D];国防科学技术大学;2003年

5 陈中祥;基于BDI Agent的CGF主体行为建模理论与技术研究[D];华中科技大学;2004年

6 刘雁飞;驾驶行为建模研究[D];浙江大学;2007年

7 张会;虚拟群体组织协同行为建模方法研究[D];国防科学技术大学;2006年

8 刘晓红;面向虚拟概念设计的机械产品行为建模及关键技术研究[D];武汉理工大学;2003年

9 张巍;群体协同行为建模与仿真技术研究[D];国防科学技术大学;2012年

10 谭论正;基于视觉的驾驶行为建模[D];中南大学;2014年

相关硕士学位论文 前10条

1 李行;信号灯转换期间的穿越行为建模与分析[D];北京交通大学;2019年

2 张绍明;用户投资行为建模及归因分析方法研究[D];哈尔滨工业大学;2018年

3 王苗;《行为计算机科学：结合人类和系统行为建模的议程》英汉翻译实践报告[D];天津理工大学;2019年

4 张子龙;人群聚集行为建模及仿真技术的研究[D];天津理工大学;2019年

5 付延昌;基于行为树的CGF行为建模研究[D];国防科学技术大学;2016年

6 夏利;基于代理的社会网络用户购买行为建模与实验分析[D];南京邮电大学;2018年

7 柴程;基于多智能体的人群行为建模及仿真研究[D];西安电子科技大学;2018年

8 杜易霖;基于Swarm的模拟电磁机制的蜂群觅食行为建模与仿真[D];太原科技大学;2016年

9 陈伟;情感智能体认知行为建模研究[D];国防科学技术大学;2011年

10 周银;基于有限自动机的软件行为建模方法的研究[D];北京理工大学;2011年

本文编号：2858967