PLR-IRF转折点预测和优化的DQN股票量化投资决策模型

发布时间：2021-12-28 15:07

　　近年来,随着计算机技术的快速发展,量化投资逐渐在金融投资领域兴起,其中股票的量化投资最具代表性。但在股票市场中,股票交易频繁且复杂,股价趋势预测困难,使得普通投资者很难把握股票价格趋势的变化规律。另外,许多量化投资策略仅是把交易思想直接借助计算机的辅助来实现,策略本身自适应性较弱、通用性较差。目前股市仍然存在股价趋势预测准确率低、投资收益率低、投资风险大等问题。针对上述问题,本文将人工智能技术应用于股票量化投资中,设计了全新的股票量化投资决策模型。模型包括数据预处理、趋势预测和投资决策三个模块。数据预处理模块实现股票数据的修剪和信息汇总,并使用交易数据和指标数据两类,保证数据的全面性。趋势预测模块提出一种股价趋势转折点预测算法PLR-IRF（Piecewise Linear Representation-Improved Random Forest）,实现转折点提取、分类和预测。该算法是对分段线性表示（Piecewise Linear Representation,PLR）和随机森林（Random Forest,RF）算法的优化,可以实现PLR算法中阈值的自动设定,并使用遗传算法（Ge... 

【文章来源】：天津工业大学天津市

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图２－１?ＲＦ分类器基本训练过程??根据图２－１所示，ＲＦ分类器的训练过程可总结为以下四步：??

图２－２交互过程??

图３－１量化投资决策模型整体结构图??

【参考文献】：
期刊论文
[1]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)
[2]基于灰色神经网络的股票收益率预测[J]. 曹雷欣,孙红兵.  计算机与数字工程. 2017(01)
[3]基于分段线性表示和高斯过程分类的股票转折点概率预测[J]. 李丰,高峰,寇鹏.  计算机应用. 2015(08)
[4]基于趋势转折点的时间序列分段线性表示[J]. 廖俊,于雷,罗寰,穆中林.  计算机工程与应用. 2010(30)
[5]价值投资基本理论问题研究[J]. 薄小明.  经济师. 2009(09)
[6]基于时态边缘算子的时间序列分段线性表示[J]. 肖辉,马海兵,龚薇.  计算机工程与应用. 2008(19)
[7]一种回归SVM选择性集成方法[J]. 张妤,王文剑,康向平.  计算机科学. 2008(04)
[8]时间序列的自适应误差约束分段线性表示[J]. 贾澎涛,林卫,何华灿.  计算机工程与应用. 2008(05)
[9]时间序列数据的分段线性表示[J]. 喻高瞻,彭宏,胡劲松,郑启伦.  计算机应用与软件. 2007(12)
[10]时态数据挖掘的相似性发现技术[J]. 潘定,沈钧毅.  软件学报. 2007(02)

博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014

硕士论文
[1]数据挖掘方法在沪深300指数收益率波动预测的应用研究[D]. 李嘉裕.厦门大学 2008



本文编号：3554273