基于机器学习的证券数据趋势特征提取研究

发布时间：2024-02-14 01:00

　　证券数据是一种时间序列,具有高度的复杂性和不确定性,通常只有极少数交易者能掌握证券数据趋势特征。机器学习通过对证券历史数据的学习和自动优化算法,可模拟或实现人类的思维模式获取数据信息或特征,因此是对证券数据趋势特征分析的有效技术。本文采用卷积神经网络和长短期记忆网络这两种机器学习模型,以及分类和回归两种分析方法来提取证券历史数据中的趋势特征,包括:趋势分类、趋势强度和趋势续航力。主要研究内容有:(1)获取并预处理证券历史数据。本文采用的证券历史数据包含日线证券历史交易数据和日线大盘指数数据,其都是从新浪财经网站爬取而来,然后将日线数据进行预处理,包括了数据补齐,日线数据合并为周线数据、每日周线数据等。最后计算证券数据的技术指标,包含了均线、平滑异同平均线等。(2)标记历史数据标签。本文采用监督学习,需要在训练过程中输入期望的结果值。本文根据平滑异同平均线技术指标,标记了每日周线数据的三种趋势特征,作为训练中期望得到的结果值。(3)进行机器学习模型训练。本文分别采用卷积神经网络和长短期记忆网络为基础,构建了两种机器学习模型。这两种模型均用sigmoid函数或者softmax函数分类得出趋...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图1-1sigmoid函数图

学习算法进行分类。首先从学习过程中的数据特点可以学习和非监督学习三个方向。从解决的问题来说，主要有这两个问题基本上概括了机器学习研究的所有问题。不同的实际问题有着不同的解决算法与模型架构，从最开如今的深度学习，有许多具有针对性的算法与特殊化的模中主要的算法与模型结构。归归解决回归....

图1-2神经元示意图

图1-2神经元示意图间的圆圈代表一个神经元，每个神经元有多个输理过程是一个激活或者计算的过程，一般称为就决定了这个神经元的功能，除此之外，激活函程，所以激活函数是一个非常重要的概念，现在id，rule等函数。由多个神经元组成的层结构，再由多个层结构组

图1-3一般的神经网络结构

第4页共60页图1-3一般的神经网络结构层，最后一层叫做输出层，中间的叫做。神经网络的特点就在于每一层都可以的特征。supportvectormachines,SVM)是第二次人使用这个算法。这个算法主要用于二机在加入‘核’这一概念后，不仅适用还发展有支持向量....

图2-1证券数据预处理过程

是否大盘指数，默认false；low最数据类型，默认为日线数据。Volume:成code股票下载h_data接口用来爬取所有个股证券的日线数据。爬取到的所有一张二维表中，行表示每日具体交易的信息，列表示该列数据列名称，表示数据的具体含义，如开盘价，交易时间等。下载....

本文编号：3897494