基于卷积神经网络的K线图有效性验证

发布时间：2020-10-22 08:03

　　 技术分析自诞生以来就伴随着其是否有效的争议,已有的研究中在不同股票市场及不同的时间段内,得到不尽相同的结论。K线图作为技术分析中图形分析的重要研究领域,多年来经过历代投资者的应用总结,积累了一系列的分析及应用规则,但K线图分析严重依赖于分析者个人的经验等主观因素,不同人对统一规则的应用往往会得到不同甚至相反的结果。因此作为代表着历史信息的K线图,是否真的包含有可以预测未来价格变动的信息,成为一个值得关注的研究方向,也为技术分析是否有效的检验提供了一个新的视角。随着近年来深度学习广泛研究,将深度神经网络应用于股票市场预测也成为一个热门的研究方向,但是已有的研究,均已时间价格序列作为网络的输入形式,很少有直接将K线图与神经网络结合起来进行的研究。而卷积神经网络在图片分类识别方面具有独特优势,且其应用日趋成熟,因此本论文的研究中,将卷积神经网络在图片识别中的独特优势与K线图识别相结合,并应用控制变量法的实验思想,通过严格的实验条件控制,设置一系列对照组实验进行对比研究,试着从侧面进行验证,K线图中是否真的包含有可以预测未来价格变动的信息。最终本论文研究发现,将K线图直接作为卷积神经网络的输入形式来进行研究是可行的。并且初步得到了,K线图中确实包含有可以预测未来价格变动的信息这一结论,也即在本论文研究的视角下,图形技术分析是有效的。
【学位单位】：天津大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F830.91
【部分图文】：

人工神经网络元结构图

人工神经元模型结构图

临界值函数图线
【参考文献】

相关期刊论文 前9条

1 周作茂;;股市日K线图的分析[J];科技创新与应用;2014年12期

2 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期

3 陈荣;曹永锋;孙洪;;基于主动学习和半监督学习的多类图像分类[J];自动化学报;2011年08期

4 胡晓彤;王子银;;基于模糊模式识别的金融数据分析[J];制造业自动化;2011年04期

5 范利民;唐菁菁;;收盘交易机制的国际比较:特点、趋势与启示[J];当代经济管理;2007年03期

6 陈卓思,宋逢明;图形技术分析的信息含量[J];数量经济技术经济研究;2005年09期

7 曾劲松;技术分析与中国股票市场有效性[J];财经问题研究;2005年08期

8 夏毅,蓝伯雄;技术分析在股票投资中的实证检验[J];商业研究;2004年09期

9 戴洁,武康平;中国股票市场技术分析预测力的实证研究[J];数量经济技术经济研究;2002年04期

本文编号：2851332