基于长短期记忆神经网络的证券选择

发布时间：2021-12-10 09:43

　　本文主要利用机器学习中的长短期记忆神经网络模型进行建模,分别从技术分析和基本分析两个不同的层面来研究中国证券市场的投资优化选择及其投资收益问题.从技术分析的层面出发,首先选取上海证券交易所中100家上市公司,又选取了每家上市公司的7个交易数据及其常用的10个技术分析指标;其次利用主成分分析法对17个指标进行降维处理,得到3个综合特征变量.然后使用主成分结果作为长短期记忆神经网络的输入,收益率作为目标输出,不断地训练网络,从而得到了依据长短期记忆神经网络构建的预测模型.最后利用我们所建立的网络模型模拟投资了 32天,累计收益率达到0.1007,比已有研究的结果分别提高了 158.2%和21.4%.另一方面,从基本分析角度出发,同样从100家上市公司中以11个财务数据指标为分析依据,得到基于主成分分析和长短期记忆神经网络的预测模型.通过两年半的模拟投资,累计收益率和夏普比率分别达到0.7938和0.4721,和已有研究的结果相比,投资两年半累计收益率相差不大,但风险降低了很多.总之,本文所用到的预测模型比已有研究的结果好很多,具有很高的实用价值。 

【文章来源】：郑州大学河南省 211工程院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图１．３．１由ＲＮＮ到ＬＳＴＭ网络添加的记忆单元??

，，假如我们再增加一个状态，即ｃ，让它来保存长期的状态，让它有：??＇Ｏ：：０?＾??〇??原始?ＲＮＮ?ＬＳＴＭ??图１．３．１由ＲＮＮ到ＬＳＴＭ网络添加的记忆单元??图按照时间维度展开可以看到：??

图１．３．３?ＲＮＮ神经网络结构图??图中可以看出，ｉ？ｉＶｉＶ神经网络的结构非常简单，只有一个单层，通过当的输出来得到当前输出．与丑Ｐ神经网络相比，经过简单地改造，它已时刻学习到的信息进行当前时刻的学习了．??ＴＭ的结构与上面相似，不同的是它的重复模块会比较复杂一点，它有四＠?＠?？??—?ｔ?／?ｔ?，?ｔ??Ａ?識：Ａ?ｈ．‘，??Ｌ，?Ｊ?＾?．．．．．??ｙ＊??１?１?ｌ??？?？?？??

【参考文献】：
期刊论文
[1]股票收盘价建立广义自回归条件异方差模型的实证分析[J]. 祝万伟,李福安.  区域金融研究. 2015(09)
[2]基于贝叶斯分类法的股票选择模型的研究[J]. 骆桦,张喜梅.  浙江理工大学学报. 2015(05)
[3]基于MATLAB的自回归移动平均模型（ARMA）在股票预测中的应用[J]. 翟志荣,白艳萍.  山西大同大学学报(自然科学版). 2010(06)
[4]股指期货与我国股票市场发展[J]. 麻卫华,李玉红.  金融教学与研究. 2004(05)
[5]股票价格指数的投资功能[J]. 刘长虎,陶建格,崔衍秋.  市场论坛. 2004(06)
[6]我国股票市场和宏观经济变量关系的经验研究[J]. 刘勇.  财贸经济. 2004(04)
[7]移动平均线在股市中的运用[J]. 谢卫东.  价格月刊. 1999(01)
[8]指数平滑方法在预测股市行情中的应用[J]. 翁小清,甄增荣.  河北财经学院学报. 1994(03)

硕士论文
[1]基于循环神经网络的证券选择[D]. 李浩丹.郑州大学 2018
[2]神经网络与证券选择[D]. 张倩.郑州大学 2017



本文编号：3532366