基于长短时记忆网络的股价短期预测研究
发布时间：2020-12-17 04:43
股价预测是时间序列预测中最具挑战性的问题之一,研究股价预测问题具有重要的理论意义和应用价值。人工神经网络因为具有强大的自学习能力,并且比传统的统计学和计量经济学模型的效果更优,所以被广泛应用于股票市场分析与预测。近年来,以人工神经网络为基础的深度学习算法得到快速发展,在语音、图像等领域取得了巨大的成功,但是却很少被应用于股票市场研究。目前,以自动编码器为代表的深度学习算法在预测问题上取得了显著的成就。自动编码器一般采用两阶段的学习框架:1)无监督学习深度特征;2)有监督的预测。该框架既能发挥深度学习算法在特征学习的优势,又能取得良好的预测性能。论文引入以自动编码器为代表的深度学习框架研究了股价短期预测问题,主要研究工作如下:1.为了全面地考虑与股价相关的因素,论文选取收盘价、开盘价、最高价、最低价以及技术指标共36个指标,建立股价短期预测的指标体系。2.在无监督的特征学习阶段,针对股价数据的高维度、高噪音等特点,为了对数据进行降维和降噪,论文结合收缩自动编码器的特点,改进非完备自动编码器;为了学习股价的深度特征,论文以改进的自动编码器为基础,建立了堆栈式收缩自动编码器（SCAEs）的无...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 文献研究现状综述
1.2.1 国外研究文献现状
1.2.2 国内研究文献现状
1.3 论文的研究思路和研究内容
1.3.1 研究思路
1.3.2 研究工作
2 股价短期预测的理论与方法
2.1 股价短期预测指标体系
2.2 股价预测的难点
2.3 股价预测的常用方法
3 自动编码器概述
3.1 人工神经网络模型
3.1.1 BP神经网络结构
3.1.2 反向传播算法
3.1.3 BP神经网络的局限性
3.2 自动编码器算法
3.2.1 自动编码器概述
3.2.2 自动编码器类型
3.3 堆栈式自动编码器
3.3.1 无监督预训练
3.3.2 模型微调
4 循环神经网络
4.1 循环神经网络
4.1.1 循环神经网络原理
4.1.2 循环神经网络理论分析
4.1.3 循环神经网络的优势和问题
4.2 长短时记忆神经网络
4.2.1 长短时记忆神经网络理论分析
4.2.2 长短时记忆神经网络模型的优势及问题
5 基于长短时记忆网络的股价短期预测分析
5.1 基于长短时记忆网络的深度学习模型
5.1.1 模型结构
5.1.2 数据准备
5.1.3 评价指标
5.1.4 研究工具
5.2 堆栈式收缩自动编码器结构设计和参数选择
5.2.1 隐藏层节点数的影响
5.2.2 正则化参数的影响
5.3 长短时记忆网络结构设计和参数选择
5.3.1 cell神经元数目对精度的影响
5.3.2 激活函数对精度的影响
5.4 基于长短时记忆网络股价短期预测模型
5.4.1 SCAEs-LSTM算法在股价短期预测的实证分析
5.4.2 几种预测方法的对比分析
6 结论与展望
6.1 研究结论
6.2 研究展望
致谢
参考文献
附录
A.作者在攻读硕士期间发表论文
【参考文献】：
期刊论文
[1]股票价格短期预测的LM遗传神经网络算法[J]. 肖菁,潘中亮. 计算机应用. 2012(S1)
[2]基于遗传神经网络的股票价格短期预测[J]. 孙全,朱江. 计算机工程与应用. 2002(05)
硕士论文
[1]基于模糊深度学习网络算法的短期股价预测[D]. 刘庆玲.哈尔滨工业大学 2016
[2]基于神经网络的股票预测[D]. 俞福福.哈尔滨工业大学 2016
[3]基于LSTM神经网络的美股股指价格趋势预测模型的研究[D]. 孙瑞奇.首都经济贸易大学 2016
[4]基于BP神经网络的股票指数期货价格预测[D]. 李聪.青岛大学 2012
[5]基于小波分析与神经网络的股票市场预测应用研究[D]. 潘林.武汉理工大学 2006
本文编号：2921428
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 文献研究现状综述
1.2.1 国外研究文献现状
1.2.2 国内研究文献现状
1.3 论文的研究思路和研究内容
1.3.1 研究思路
1.3.2 研究工作
2 股价短期预测的理论与方法
2.1 股价短期预测指标体系
2.2 股价预测的难点
2.3 股价预测的常用方法
3 自动编码器概述
3.1 人工神经网络模型
3.1.1 BP神经网络结构
3.1.2 反向传播算法
3.1.3 BP神经网络的局限性
3.2 自动编码器算法
3.2.1 自动编码器概述
3.2.2 自动编码器类型
3.3 堆栈式自动编码器
3.3.1 无监督预训练
3.3.2 模型微调
4 循环神经网络
4.1 循环神经网络
4.1.1 循环神经网络原理
4.1.2 循环神经网络理论分析
4.1.3 循环神经网络的优势和问题
4.2 长短时记忆神经网络
4.2.1 长短时记忆神经网络理论分析
4.2.2 长短时记忆神经网络模型的优势及问题
5 基于长短时记忆网络的股价短期预测分析
5.1 基于长短时记忆网络的深度学习模型
5.1.1 模型结构
5.1.2 数据准备
5.1.3 评价指标
5.1.4 研究工具
5.2 堆栈式收缩自动编码器结构设计和参数选择
5.2.1 隐藏层节点数的影响
5.2.2 正则化参数的影响
5.3 长短时记忆网络结构设计和参数选择
5.3.1 cell神经元数目对精度的影响
5.3.2 激活函数对精度的影响
5.4 基于长短时记忆网络股价短期预测模型
5.4.1 SCAEs-LSTM算法在股价短期预测的实证分析
5.4.2 几种预测方法的对比分析
6 结论与展望
6.1 研究结论
6.2 研究展望
致谢
参考文献
附录
A.作者在攻读硕士期间发表论文
【参考文献】：
期刊论文
[1]股票价格短期预测的LM遗传神经网络算法[J]. 肖菁,潘中亮. 计算机应用. 2012(S1)
[2]基于遗传神经网络的股票价格短期预测[J]. 孙全,朱江. 计算机工程与应用. 2002(05)
硕士论文
[1]基于模糊深度学习网络算法的短期股价预测[D]. 刘庆玲.哈尔滨工业大学 2016
[2]基于神经网络的股票预测[D]. 俞福福.哈尔滨工业大学 2016
[3]基于LSTM神经网络的美股股指价格趋势预测模型的研究[D]. 孙瑞奇.首都经济贸易大学 2016
[4]基于BP神经网络的股票指数期货价格预测[D]. 李聪.青岛大学 2012
[5]基于小波分析与神经网络的股票市场预测应用研究[D]. 潘林.武汉理工大学 2006
本文编号：2921428
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/2921428.html
