深度学习在量化交易中的应用
发布时间：2020-12-05 02:49
金融交易领域存在着大量的历史数据,这些数据资源为量化交易提供了很好的数据基础,并且金融外汇市场是一个复杂的非线性动力系统,利用传统的机器学习算法对金融数据进行挖掘,其在有限样本和计算单元情况下对复杂函数的表示能力有限,必然存在着诸多的限制和不足,而深度学习能够把原始空间中数据的特性表示逐层转化到新的特性空间中,具有较高的自学习能力、稳定性能和抽象模拟能力,它更适合去解决金融市场这类繁琐的非线性难题。所以,本文通过利用深度学习模型来达到预测外汇价格以及涨跌趋势的目的。在预测价格的回归模型中,将已有的外汇价格和技术指标作为模型的输入数据,将价格作为模型的输出数据。通过改变超参数,研究它们对模型精度影响;然后选取最优超参数,确定LSTM神经网络模型,使模型预测效果最优;最后利用LSTM模型和传统RNN模型预测外汇价格,检验两个模型的预测效果。实验结果表明,LSTM神经网络模型和传统RNN神经网络模型对外汇价格都具有一定的预测效果,且LSTM模型总是比RNN模型预测误差更小,预测效果更好。因此在利用深度神经网络对价格时间序列数据建立回归模型时,可以优先选择LSTM神经网络。在预测价格涨跌走势的...
【文章来源】：北方工业大学北京市
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图１－２人工智能、机器学习和深度学习之间的联系及发展时间??
第二章深度神经网络相关理论基础??第二章深度神经网络相关理论基础??２．１循环神经网络基本结构??循环神经网络（ＲＮＮ）是一种专门用来处理时间序列问题的神经网络模型，可以从时间序列数据中提取出更好的特征信息使特征信息能够持久化，并可以利用之前的知识来推断后续模式。图２－１为ＲＮＮ神经网络模型结构，右是一个简化的左边结构。图２－２为ＲＮＮ的结构展开图。??
义的映射层。因此在这种情况下，增加神经元的个数也许会比增加网络层数预测??效果更优。??如图２－５所示为ｔａｎｈ函数及其导数图像，当把ｔａｎｈ函数设置成激活函数时，??ｔａｎｈ函数的导数都是小于等于１的，仍然有一部分是一堆小数在不断累乘，还会??导致“梯度消失”，然而ｔａｎｈ函数比ｓｉｇｍｏｉｄ函数的梯度要大，收敛时速度会更??加快速而且导致梯度消失的发生更加缓慢。??０．３?－?／?＼?ｒｆ／ｄｘ?－??°４?＇?＾?＇?／?Ａ，?■??０２?＇??〇?蜓…ｔ＊＾＾＊＾＊＾?ｆ?．．．．????????－０．２?－?／??－０?４?／??－〇?．０?．?．．??■??－０?．０??？?１?．?，?，，?．ｔ?ｒ?？?，?．?？??－３－２－１?０?１?２?３??图２－５?ｔａｎｈ函数及其导数图像??循环神经网络的优点是可以“追根溯源”，然而梯度消失会使过去数据的使??用受到限制。因此，解决“梯度消失”的方法很重要，目前主要解决办法有两种：??一是利用更加合适的激活函数；二是改变网络传播结构。??ＲｅＬＵ（ｘ）?ｄＲｅＬＵ（ｘ）／ｄｘ??６－?／?１．０?ｊ???４１?／?。８??／?０．６??／?０．４??＼／?！???－６?－４?－２?〇?２?４?６?－＾６?＾４?＾２?Ｏ＇?２?４?６??图２－６?Ｒｅ?ＵＪ函数图像?图２－７?Ｒｅ?ＵＪ导数图像??１５??
【参考文献】：
期刊论文
[1]基于正则化LSTM模型的股票指数预测[J]. 任君,王建华,王传美,王建祥. 计算机应用与软件. 2018(04)
[2]深度学习在量化投资中的应用[J]. 李文鹏,高宇菲,钱佳佳,陈曦. 统计与管理. 2017(08)
[3]经济时间序列的ARIMA类模型构建[J]. 刘明. 统计与决策. 2014(08)
[4]基于小波分析和BP神经网络的股指期货价格预测[J]. 杨超,刘喜华. 青岛大学学报(自然科学版). 2014(01)
[5]基于神经网络的强化学习研究概述[J]. 尤树华,周谊成,王辉. 电脑知识与技术. 2012(28)
[6]人工神经网络在股价预测中的应用[J]. 赵梦辰,黄栋超,冯宇皓,海诗洋. 时代金融. 2012(15)
[7]神经元网络在股价预测中的应用[J]. 王若聪. 管理科学文摘. 1999(07)
硕士论文
[1]基于LSTM深度神经网络的股市时间序列预测精度的影响因素研究[D]. 毛景慧.暨南大学 2017
[2]基于深度学习的黄金期货价格预测[D]. 骆双骏.兰州大学 2017
[3]基于神经网络的社交网络信息传播预测算法研究[D]. 党凯乐.南京邮电大学 2016
[4]基于神经网络的股票预测[D]. 俞福福.哈尔滨工业大学 2016
[5]BP神经网络在股票投资分析中的应用[D]. 乔建伟.电子科技大学 2013
[6]BP神经网络模型在股票价格预测中的研究[D]. 王相军.青岛理工大学 2010
[7]神经网络在股市预测中的应用[D]. 杨晓艳.中北大学 2008
[8]基于神经网络的绩优股票走势分析系统研究[D]. 段军伟.燕山大学 2007
[9]手写签名模糊识别方法的研究与实现[D]. 万莉.武汉理工大学 2006
[10]神经网络方法在股市预测中的应用研究[D]. 刘莉华.电子科技大学 2005
本文编号：2898726
【文章来源】：北方工业大学北京市
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图１－２人工智能、机器学习和深度学习之间的联系及发展时间??
第二章深度神经网络相关理论基础??第二章深度神经网络相关理论基础??２．１循环神经网络基本结构??循环神经网络（ＲＮＮ）是一种专门用来处理时间序列问题的神经网络模型，可以从时间序列数据中提取出更好的特征信息使特征信息能够持久化，并可以利用之前的知识来推断后续模式。图２－１为ＲＮＮ神经网络模型结构，右是一个简化的左边结构。图２－２为ＲＮＮ的结构展开图。??
义的映射层。因此在这种情况下，增加神经元的个数也许会比增加网络层数预测??效果更优。??如图２－５所示为ｔａｎｈ函数及其导数图像，当把ｔａｎｈ函数设置成激活函数时，??ｔａｎｈ函数的导数都是小于等于１的，仍然有一部分是一堆小数在不断累乘，还会??导致“梯度消失”，然而ｔａｎｈ函数比ｓｉｇｍｏｉｄ函数的梯度要大，收敛时速度会更??加快速而且导致梯度消失的发生更加缓慢。??０．３?－?／?＼?ｒｆ／ｄｘ?－??°４?＇?＾?＇?／?Ａ，?■??０２?＇??〇?蜓…ｔ＊＾＾＊＾＊＾?ｆ?．．．．????????－０．２?－?／??－０?４?／??－〇?．０?．?．．??■??－０?．０??？?１?．?，?，，?．ｔ?ｒ?？?，?．?？??－３－２－１?０?１?２?３??图２－５?ｔａｎｈ函数及其导数图像??循环神经网络的优点是可以“追根溯源”，然而梯度消失会使过去数据的使??用受到限制。因此，解决“梯度消失”的方法很重要，目前主要解决办法有两种：??一是利用更加合适的激活函数；二是改变网络传播结构。??ＲｅＬＵ（ｘ）?ｄＲｅＬＵ（ｘ）／ｄｘ??６－?／?１．０?ｊ???４１?／?。８??／?０．６??／?０．４??＼／?！???－６?－４?－２?〇?２?４?６?－＾６?＾４?＾２?Ｏ＇?２?４?６??图２－６?Ｒｅ?ＵＪ函数图像?图２－７?Ｒｅ?ＵＪ导数图像??１５??
【参考文献】：
期刊论文
[1]基于正则化LSTM模型的股票指数预测[J]. 任君,王建华,王传美,王建祥. 计算机应用与软件. 2018(04)
[2]深度学习在量化投资中的应用[J]. 李文鹏,高宇菲,钱佳佳,陈曦. 统计与管理. 2017(08)
[3]经济时间序列的ARIMA类模型构建[J]. 刘明. 统计与决策. 2014(08)
[4]基于小波分析和BP神经网络的股指期货价格预测[J]. 杨超,刘喜华. 青岛大学学报(自然科学版). 2014(01)
[5]基于神经网络的强化学习研究概述[J]. 尤树华,周谊成,王辉. 电脑知识与技术. 2012(28)
[6]人工神经网络在股价预测中的应用[J]. 赵梦辰,黄栋超,冯宇皓,海诗洋. 时代金融. 2012(15)
[7]神经元网络在股价预测中的应用[J]. 王若聪. 管理科学文摘. 1999(07)
硕士论文
[1]基于LSTM深度神经网络的股市时间序列预测精度的影响因素研究[D]. 毛景慧.暨南大学 2017
[2]基于深度学习的黄金期货价格预测[D]. 骆双骏.兰州大学 2017
[3]基于神经网络的社交网络信息传播预测算法研究[D]. 党凯乐.南京邮电大学 2016
[4]基于神经网络的股票预测[D]. 俞福福.哈尔滨工业大学 2016
[5]BP神经网络在股票投资分析中的应用[D]. 乔建伟.电子科技大学 2013
[6]BP神经网络模型在股票价格预测中的研究[D]. 王相军.青岛理工大学 2010
[7]神经网络在股市预测中的应用[D]. 杨晓艳.中北大学 2008
[8]基于神经网络的绩优股票走势分析系统研究[D]. 段军伟.燕山大学 2007
[9]手写签名模糊识别方法的研究与实现[D]. 万莉.武汉理工大学 2006
[10]神经网络方法在股市预测中的应用研究[D]. 刘莉华.电子科技大学 2005
本文编号：2898726
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/2898726.html
