基于深度学习的智能投资模型与方法

发布时间：2021-07-09 15:31

　　近年来,随着人工智能技术的飞速发展和我国金融市场的不断完善,越来越多的人开始研究如何运用计算机科学的技术处理金融问题。股票作为金融市场的重要组成部分,一直以来备受重视。同时作为普通民众常用的理财方式之一,其重要性不言而喻。本课题研究的主要内容就是如何将深度学习运用于股票智能投资。本课题介绍了股票数据集的构建,实现了基于Scrapy框架的股票数据获取系统,探讨了如何验证数据的正确性和对数据的预处理。结合了选股模型中的量化因子,对股票历史数据和上市公司的财务数据进行分析,挖掘出蕴藏在海量数据中的有效信息。在股票数据集的基础之上,本文主要研究内容包括以下两个方面:基于Attention-LSTM的股票趋势预测模型。文中分析了股票数据存在的时序关系,探讨了时间序列数据存在的长依赖问题。对比了传统的递归神经网络和长短期记忆网络（LSTM）,详细分析了长短期记忆网络是如何解决时间序列数据中的长依赖问题。同时,分析了长短期记忆网络中编译器解码器结构存在的不足,并探讨Attention机制的原理,论证了长短期记忆网络加入Attention机制的可行性。课题中,设计并实现了两层Attention机制,解... 

【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】：

构建元数据

图 2-2 爬虫基本逻辑所需的数据主要包括股票基本的交易数据和公司每个季度的财务报表，这些都是最基本数据，其他任何因子数据都是通过以上这些数据计算而来。对于股票来说，最主要的是价格类信息和成交量，对于公司的财务数据主要是资产和利润信息。另外，和股票息息相关的一类数据是指数信息，其基本的构成也

在 1982 年 Saratha Sathasivam 就提出类似的 Hopfield Network。但是由于技限制，当时并没有引起广泛的关注，直到进行年来计算机计算能力的飞速和人工智能的火热，RNN 又重新活跃在学术界，广泛运用在和序列有关的，比如机器翻译、语音识别和图像标注。

【参考文献】：
期刊论文
[1]基于多因子模型的量化选股分析[J]. 徐景昭.  金融理论探索. 2017(03)
[2]量化投资交易策略研究[J]. 刘晶晶,古晨.  中国市场. 2017(02)
[3]基于特征修正协方差矩阵的中国A股市场多因子模型构建[J]. 禹悰廉.  统计与决策. 2016(18)
[4]组合基金半年度十强出炉 国泰君安夺魁[J]. 徐锋.  股市动态分析. 2014(27)
[5]基于价值投资的Piotroski选股策略实证研究[J]. 殷鑫,郑丰,崔积钰,赵庄.  时代金融. 2012(23)



本文编号：3274010