基于混合模型的股票趋势预测方法研究

发布时间：2021-03-30 18:21

　　随着我国金融市场的不断发展与金融制度的逐渐完善,民众参与金融市场投资的兴趣也愈发浓厚,同时也伴随着对于准确有效的金融信息服务的强烈需求。金融市场在国家整体经济体系中起着至关重要的作用,近些年来,许多研究者开始关注金融领域并尝试使用多种计算机相关技术来解决该领域中的金融数据预测问题。本课题针对股票趋势预测问题,在构建具备市场代表性的数据集的基础上,对深度学习模型方法、ARIMA模型方法及融合二者的混合模型方法展开研究,同时构建股票信息服务平台用于更直观清晰地呈现股票历史走势信息。本课题的主要研究内容包括以下几个方面:股票时序数据集构建及预处理。本课题通过获取中国A股市场中具有代表性的个股及指数的历史市场数据构建相应的数据集作为课题研究的基础。基于深度学习模型方法及ARIMA模型方法的股票时序预测问题研究。本课题针对股票时序预测问题,在传统深度学习方法和ARIMA方法的基础上提出了对应的LSTM模型及结合小波降噪的DB-ARIMA模型,并对其应用情况做进一步分析与优化,使之能够更好的发掘股票数据的变化规律,并通过设置相应实验检验模型方法在股票预测任务上的表现。基于混合模型方法进行股票趋势预... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

McCulloch-PittsNeuron结构示意图

哈尔滨工业大学工学硕士学位论文了用户将以何种形式查看金融品种的历史行情信息。目前国内与国外市场上所采用的呈现股票趋势信息的方式基本一致：采用时间和价格（或涨幅）为坐标轴的二维图形，如图 1-2 给出了上证指数的走势呈现图（截取自东方财富网），其中横坐标为 T（时间），左侧纵坐标为价格，右侧纵坐标为涨幅，价格和涨幅数据相互对应。

图 1-2 上证指数走势呈现图当同时需要对多支股票的走势信息进行呈现及相互比较时，现有的方式主要分为以下两种：多股一图和多股多图（又称“多股同列”），图 1-3 及图 1-4 截取自大智慧软件。

【参考文献】：
期刊论文
[1]基于文本信息的股票指数预测[J]. 董理,王中卿,熊德意.  北京大学学报(自然科学版). 2017(02)
[2]网络媒体对股票市场的影响——以东方财富网股吧为例的实证研究[J]. 金雪军,祝宇,杨晓兰.  新闻与传播研究. 2013(12)
[3]时间序列平稳性检验[J]. 刘罗曼.  沈阳师范大学学报(自然科学版). 2010(03)
[4]复杂分类问题支持向量机的简化[J]. 方景龙,陈铄,潘志庚,梁荣华.  电子学报. 2007(05)

硕士论文
[1]时间序列单位根检验方法比较[D]. 陈双金.电子科技大学 2013
[2]基于互联网评论的股票市场趋势预测[D]. 李玉梅.哈尔滨工业大学 2012



本文编号：3109938