基于长短期记忆神经网络模型的股票价格走势预测

发布时间：2020-07-23 15:58

【摘要】：股票市场是实体经济的晴雨表,对股票价格涨跌的预测具有重要的经济和社会价值。股票价格涨跌受多方面因素影响,且股票时间序列数据间具有记忆性关系,长短期记忆神经网络(Long Short Term Memory)能够处理具有长期依赖的时间序列数据类型,挖掘非线性数据中隐藏的信息。所以,本文基于长短期记忆神经网络构建股票价格走势预测模型。本文的研究内容主要分为四个方面,第一、在研究对象选取时通过对比公司体量大小、公司行业地位和公司财务状况,最终选取中国平安公司股票为研究对象。在特征数据选取和处理过程中,除了技术指标、交易数据和财务指标外还加入爬取的日内大单净成交额数据。为了减小股票大周期内股价大幅波动对预测结果的影响,数据预处理选取平滑归一化方法;第二、由于输入数据的多维度以及维度间的关系复杂,本文选取主成分分析(Principal Components Analysis)和去噪自编码器(Denoising Autoencoder)两种特征提取方法对输入数据进行特征提取,通过对比两种特征提取方法最终提取的维度数和均方误差(Mean Square Error)表明DAE效果好于PCA;第三、在LSTM模型超参数设置上,分别从时间步长、隐藏层神经元个数、学习率等方面进行对比分析,最终确定LSTM模型结构;第四、在实验结果分析方面本文对比了LSTM模型、PCA-LSTM模型和DAE-LSTM模型等三种模型在中国平安公司股票价格走势上的预测准确率。并将该模型对另外几只权重个股进行预测分析,最终结果表明LSTM模型适合权重个股走势预测,PCA-LSTM模型和DAE-LSTM模型的预测准确率高于LSTM模型,DAE-LSTM模型的预测效果好于PCA-LSTM模型。本文为国内个股价格走势预测研究中数据选取、数据处理和特征提取等方面提供一定参考价值。对权重个股价格走势预测进而辅助交易决策具有一定的现实意义。
【学位授予单位】：江西财经大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.51;TP183
【图文】：

保险行业,排名表,市值,公司

图 3-2 保险行业公司总市值排名 3.2 为中国平安公司 2014 年到 2018 年的部分财务指标数据。其中净和销售净利率为盈利能力指标，从表中数据可知，该公司近 5 年销售在 10%以上，且净资产收益率保持在 15%左右，表示该公司盈利能定。其中，营业收入、营业收入增长率、净利润和净利润增长率等四成长能力指标。公司营业收入接近每年增长，且涨幅较大，最高年度08.82 亿元，净利润同比增长率除了 2016 年和 2018 年外，其他年份，年度净利润维持在 390 亿元以上，表明该公司成长能力较强，从标资产负债率分析，连续五年资产负债率波动较小稳定在 91%附近，偿债能力较为稳定。从以上三个方面分析，该公司盈利能力较强、公，偿债能力稳定。从图 3-1 和图 3-2 中国平安公司在保险行业两种排，中国平安无论在上季度的保险行业每股收益排名，还是在保险行业市值排名都出于第一的位置，综上，该公司股票适合作为研究对象。

保险行业,每股收益,公司,盈利能力指标

图 3-1 保险行业每股收益公司排名图 3-2 保险行业公司总市值排名 3.2 为中国平安公司 2014 年到 2018 年的部分财务指标数据。其中净和销售净利率为盈利能力指标，从表中数据可知，该公司近 5 年销售在 10%以上，且净资产收益率保持在 15%左右，表示该公司盈利能

股价走势,建模平台,调用模块,股票交易

期记忆神经网络模型的股票价格走势预测验证与结果分析型运行平台与数据究所用的建模平台为基于 64 位 Anaconda(python3.6.2)。调用模块y、tensorflow、matplotlib、keras、sklearn 等。选取中国平安 2016 2018 年 12 月 28 日总共 3 年的股票交易相关数据，数据来源 Wi

【参考文献】