基于栈式自编码神经网络的股指预测研究

发布时间：2021-10-24 06:07

　　金融市场是一个典型的复杂系统,它既包含很多子市场,又同时与很多市场相关联。在上世纪初,人们乃至许多学者都认为这个复杂系统难以衡量和研究,于是早期的经济学、金融学理论大都建立在简化的系统之上,如资本资产定价模型（CAPM）建立在市场中存在大量同质的理性投资者等严格的假设上,随着学者们的不断研究,经济学金融学理论逐渐发展完善。直到今天,CAPM模型仍然活跃在很多课堂乃至于工作中,告知了我们金融市场这一复杂系统值得研究。随着时代的发展,金融市场同样在发展,各种新兴创新的金融产品及市场机制都被提出并应用。传统的市场理论如市场有效假说EMH等都存在各种问题并难以解释,而利用金融市场时序数据预测模型能够帮助揭示金融市场的内在运行规律,凸显特殊新兴的要素来认识市场,并利用其监管市场,具有十分重大的理论价值;而利用预测模型预测趋势结果能够帮助投资者们选择投资时机,预期投资风险和结果,更好地实现投资效率,具备一定的现实意义。面对如今日益复杂演化的金融市场,传统预测模型虽然理论上仍然有不错的效果,但在实际应用与判别市场未来趋势上,却难以做到切实有效。而机器学习和数据挖掘领域中愈发火热,颇具代表性的深度学习... 

【文章来源】：重庆工商大学重庆市

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

自编码器的编码与解码过程

图 3.2 栈式自编码神经网络的模型架构3.2.3.3 自编码器的学习算法传统反向传播 BP(Back Propagation)算法在神经网络训练中被广泛使用。单层自编码器也选择了使用反向传播算法，即首先正向地通过式 4-1 和式 4-2

梯度下降法原理图

【参考文献】：
期刊论文
[1]基于深度学习支持向量机的上证指数预测[J]. 张晶华,甘宇健.  统计与决策. 2019(02)
[2]金融安全背景下的证券市场稳定测度新方法——基于大数据支持向量机的市场预测与套利价值度量研究[J]. 欧阳天皓,卢晓勇.  财经理论与实践. 2019(01)
[3]基于混合神经网络模型预测下的统计套利研究[J]. 邓晓卫,章铖斌.  统计与决策. 2019(01)
[4]我国猪肉价格趋势变动及其预测——基于Elman神经网络模型的分析[J]. 冯叔君,陈芳.  价格理论与实践. 2018(06)
[5]基于非线性时间序列模型的股票分析与预测[J]. 常月,冯宇旭,曹显兵.  数学的实践与认识. 2018(22)
[6]基于树结构长短期记忆神经网络的金融时间序列预测[J]. 姚小强,侯志森.  计算机应用. 2018(11)
[7]基于BP神经网络和遗传算法的污水处理厂电耗预测[J]. 谢武明,李俊,周峰平,毕小林,陈冬冬,吴志京,马峡珍,张宁.  水电能源科学. 2018(08)
[8]基于人工神经网络对债券净价估值的预测及实证[J]. 董成.  债券. 2018(07)
[9]FEPA-金融时间序列自适应组合预测模型[J]. 潘和平,张承钊.  中国管理科学. 2018(06)
[10]基于新维无偏灰色RBF神经网络的居民消费价格指数预测模型[J]. 黄洋,鲁海燕,程毕芸,许凯波.  统计与决策. 2018(10)

硕士论文
[1]深度学习的恶意代码分析与检测技术研究[D]. 罗世奇.新疆大学 2018
[2]基于ARIMA模型企业价值评估中企业自由现金流量的预测[D]. 张琦.河北经贸大学 2018
[3]EMD-ARIMA模型及其在小商品价格指数预测中的应用研究[D]. 吴文奕.江西财经大学 2017
[4]我国投资者情绪对股票价值溢价的影响研究[D]. 张迟盼.中国海洋大学 2015
[5]基于ARIMA模型的畜产品价格预测系统的研究[D]. 吴敬婷.东北农业大学 2012



本文编号：3454731