基于小波分析的长短时记忆模型在股指预测中的应用

发布时间:2021-03-08 06:04
  现如今,股票交易已然融入到人们的日常生活中,在经济金融领域有着巨大的影响。然而,股票市场由于其自身具有的强不稳定性使得投资者在股票买卖中承担了较大的风险。在这样的背景下,如何精准地预测股票市场的未来走势就成为了有关学者和诸多投资者密切关心的话题。股票市场由于其高噪音性、非线性、投资者心理预期的不确定性等诸多因素,股价预测通常被认为是时间序列预测中最具挑战性的问题之一。对于现代社会的股票市场研究者而言,如何精准地预测股价走势依然是一个尚待解决的难题。在过去的几十年中,随着机器学习和深度学习不断发展,一些相关模型已经在金融市场中得到了广泛应用,例如人工神经网络(Artificial Neural Network,ANN)和支持向量机(Support Vector Machine,SVM)等模型在股价研究中已获得较高的精确度。神经网络作为一种模仿生物神经网络结构与功能的深度学习模型,对非线性数据有着很强的拟合能力,可以对其进行有效地处理;同时,神经网络具有很强的鲁棒性、记忆能力以及自学习功能,这些特性使得神经网络在金融市场的预测方面占有很大的优势。神经网络与其他统计学模型相结合的集成模型,与... 

【文章来源】:山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】:63 页

【学位级别】:硕士

【部分图文】:

基于小波分析的长短时记忆模型在股指预测中的应用


图2.1:常见的小波基函数??2.1.5多分辨率分析与Mallat算法??多分辨率分析,是MallatlS于1989年提出的,目的是为了把信号分解到不??

示意图,小波分解,示意图,神经元


?山东大学硕士学位论文???—di?_??原始數捃「d2????j?c?i?_?r*?dj??—*?〇2??*?J层分解?——????\?/??“?Cj??图2.2:小波分解示意图??2.2长短时记忆网络??2.2.1神经元与神经网络??神经元原为生物学概念,是指在神经传递过程中起着输入信息整合及信息??输出作用的神经细胞。在深度学习的研究中,人们构造了一个类似的结构,将??多个输入整合为一个输出,称之为神经元。所谓的神经网络就是若干个神经元??个体接连起来而构成的网络结构。图2.3为一个经典的神经元。??连接权??输入信号??xi??W//?\??\?求和?激活函数??广^-x?\|?Uk?|?输出??X2??二}-???E?—??/(?)????.?:?/?卜????:?/?bk??<?阈值??Xm???(?)??图2.3:神经元模型图??神经元在对输入A按其相应的权重叫进行加权后求和,经过激活函数/的??处理输入到下一层。如果将神经元中的所有变量用数学符号表示的话,公式如??式(2.21)所示:??-14-??

模型图,神经元,模型图


?山东大学硕士学位论文???—di?_??原始數捃「d2????j?c?i?_?r*?dj??—*?〇2??*?J层分解?——????\?/??“?Cj??图2.2:小波分解示意图??2.2长短时记忆网络??2.2.1神经元与神经网络??神经元原为生物学概念,是指在神经传递过程中起着输入信息整合及信息??输出作用的神经细胞。在深度学习的研究中,人们构造了一个类似的结构,将??多个输入整合为一个输出,称之为神经元。所谓的神经网络就是若干个神经元??个体接连起来而构成的网络结构。图2.3为一个经典的神经元。??连接权??输入信号??xi??W//?\??\?求和?激活函数??广^-x?\|?Uk?|?输出??X2??二}-???E?—??/(?)????.?:?/?卜????:?/?bk??<?阈值??Xm???(?)??图2.3:神经元模型图??神经元在对输入A按其相应的权重叫进行加权后求和,经过激活函数/的??处理输入到下一层。如果将神经元中的所有变量用数学符号表示的话,公式如??式(2.21)所示:??-14-??

【参考文献】:
期刊论文
[1]投资者情绪、超额收益及市场波动[J]. 杨少华,郭万山.  湖北工程学院学报. 2018(02)
[2]基于正则化LSTM模型的股票指数预测[J]. 任君,王建华,王传美,王建祥.  计算机应用与软件. 2018(04)
[3]基于ARMA模型预测股票价格的实证分析[J]. 孟坤,李丽.  河北北方学院学报(自然科学版). 2016(05)
[4]基于误差校正的灰色神经网络股票收益率预测[J]. 于志军,杨善林,章政,焦健.  中国管理科学. 2015(12)
[5]ARIMA模型在股票价格预测中的应用[J]. 刘红梅.  广西轻工业. 2008(06)
[6]金融时间序列去噪的小波变换方法[J]. 兰秋军,马超群,文凤华.  科技管理研究. 2004(06)
[7]基于模糊神经网络和R/S分析的股票市场多步预测[J]. 杨一文,刘贵忠,蔡毓.  系统工程理论与实践. 2003(03)
[8]中国股票A股市场随机游走模型的检验[J]. 李金林,金钰琦.  北京工商大学学报(自然科学版). 2002(04)
[9]基于小波分解与重构的时间序列预测法[J]. 贺国光,马寿峰,李宇.  自动化学报. 2002(06)
[10]ARFIMA模型在中国股票市场预测的失效[J]. 刘文财,刘豹,张维.  系统工程理论方法应用. 2002(02)

硕士论文
[1]基于小波分析和ARMA-SVM模型的股票指数预测分析[D]. 丁玲娟.华东师范大学 2012



本文编号:3070547

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3070547.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户7620d***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com