基于LSTM神经网络的美股股指价格趋势预测模型的研究

发布时间：2017-07-08 21:14

  本文关键词：基于LSTM神经网络的美股股指价格趋势预测模型的研究

  更多相关文章： LSTM RNN 神经网络 股指预测

【摘要】：自从股票市场诞生以来,人们就一直不断使用各种数据模型、机器学习以及数据挖掘等手段来预测股票价格的未来走势从而获取巨额收益。其中神经网络机器学习算法被广泛使用,这是由于神经网络自身的高度自学习性,稳定性以及抽象模拟能力,相比于统计学以及计量经济学中的数学模型,神经网络用于预测金融时间序列更具优势。本文在深入分析股票价格短期预测面临的问题和比较多种股票价格预测方法的基础上,探讨BP神经网络、RNN神经网络和LSTM神经网络对股票价格进行短期预测的可行性并作出相应对比,研究模型准确性。在此基础上对LSTM模型进行了算法改进以及模型结构改进。根据对比验证,以及理论研究,LSTM神经网络模型能够通过对过往股票市场数据的学习,找出时间序列之间的影响和关系,并能利用选择性记忆的高级机器学习功能,深入挖掘出股票价格时间序列中的固有规律,从而进行短期时间序列预测。文中主要研究以下几点:针对以往的BP神经网络股票预测模型进行深度剖析,并在理论上解释该模型预测时间序列的不合理性,并作出实证。提出引入时序概念的RNN神经网络,并与BP神经网络进行对比研究,然后在RNN神经网络的基础上进行模型修正,引入LSTM神经网络的概念,并实证该模型对于股票预测的可行性以及准确性。最后,对LSTM模型理论进行讨论分析,并改进模型,同时实证分析。针对股票价格数据影响因素多的问题,选用收盘价、开盘价、最高价、最低价以及成交量这几个最关键的影响价格因素,作为神经网络每一层神经元的自变量。同时,节选中美股市代表性的上证综指以及标准普尔500指数和道琼斯工业指数来进行研究。美股指数分别选取了日成交量最大和日成交量最小两个指数来进行研究对比,测试模型准确性。同时也根据中美股市不同特点来验证模型的实用性及准确性。
【关键词】：LSTM RNN 神经网络 股指预测
【学位授予单位】：首都经济贸易大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;F831.51
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 1 引言8-16
• 1.1 选题背景与研究意义8-9
• 1.2 国内外文献综述9-13
• 1.2.1 国外研究结果9-11
• 1.2.2 国内研究结果11-13
• 1.3 论文的目标13
• 1.4 研究对象与方法13-14
• 1.5 论文的创新点14-16
• 2 股票短期预测基本理论与方法16-24
• 2.1 影响股票价格的因素16-17
• 2.2 股票价格预测的难点17-18
• 2.3 股票价格预测常用方法18-24
• 2.3.1 基本面分析方法18-19
• 2.3.2 技术分析方法19-24
• 3 BP、RNN神经网络理论研究24-33
• 3.1 传统BP神经网络模型及特征24-28
• 3.1.1 传统BP神经网络模型原理24-25
• 3.1.2 传统BP神经网络模型理论分析25-26
• 3.1.3 传统BP神经网络的局限性26-28
• 3.2 RNN神经网络模型及特征28-33
• 3.2.1 RNN神经网络模型原理28-29
• 3.2.2 RNN神经网络模型理论分析29-31
• 3.2.3 RNN神经网络模型的优势及问题31-33
• 4 LSTM神经网络模型分析与改进33-39
• 4.1 LSTM神经网络理论分析33-36
• 4.2 LSTM神经网络模型的优势及问题36-37
• 4.3 LSTM神经网络模型的算法改进37-39
• 5 股指价格预测的实证分析与模型再改进39-53
• 5.1 实验基本内容39-40
• 5.2 传统BP与RNN神经网络二者对比实验40-45
• 5.2.1 图形拟合对比40-44
• 5.2.2 误差分析对比44-45
• 5.3 基于股票预测实验分析的LSTM神经网络模型结构改进45-50
• 5.3.1 模型结构改进45-49
• 5.3.2 误差分析对比49-50
• 5.4 标普500与道琼斯工业指数对比分析50-51
• 5.5 标普500与上证指数对比分析51-53
• 6 结论与展望53-54
• 参考文献54-57
• 附录57-59
• 致谢59-60
• 在校期间发表的学术论文和研究成果60-61

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

，

本文编号：536312