时态神经网络在股票分类预测的应用

发布时间：2022-10-04 18:24

　　21世纪是人工智能技术飞速发展的一个年代。大数据技术与机器学习的快速发展与应用,已渗入到社会许多领域。股票市场被称为宏观经济的晴雨表,预测股票趋势一直是一项具有重要实际意义的工作。股票价格是一种非平稳、波动性大、无规律的时序性数据,而股票价格预测受到各种复杂因素的影响,这就导致了股票价格趋势预测一直是一个非常困难的研究课题。时态数据是将变化不规则的时序数据按一定的时态型重新划分转换得到的数据,转换后的时态数据在时态型上可能具有一定的规律,然后针对时态数据进行挖掘以发现对源数据挖掘所发现不到的时态知识。时态数据挖掘模型提供了一条解决复杂不规则的时序数据挖掘问题的途径。另一个挖掘不规则数据知识的方法是神经网络模型,神经网络具有并行、容错、可以硬件实现以及自我学习的优点,也可作为股票分类预测应用的一种有效方法。本文通过将时态数据挖掘模型与神经网络模型相结合,提出一种时态神经网络的分类模型及算法,将股票数据转换为时态型数据,利用所提出的模型对时态型股票数据进行趋势预测。通过对收集的若干上市公司十年内的股票数据进行数据分析,构建了基于时态数据的神经网络分类器,并对八支股票进行趋势分类预测。实验结... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 主要研究内容和意义
        1.3.1 研究内容
        1.3.2 研究意义
    1.4 拟解决的核心
    1.5 本文创新点
    1.6 论文结构
2 相关理论综述
    2.1 时态数据挖掘模型理论
    2.2 神经网络理论
    2.3 股票分类预测
    2.4 时态数据在股票分类预测的应用
    2.5 神经网络方法在股票分类预测的应用
    2.6 本章小结
3 时态神经网络模型与算法
    3.1 时态型定义及性质
    3.2 时态转换方法
    3.3 神经网络分类模型
    3.4 时态神经网络分类模型
    3.5 模型特性与可用性分析
    3.6 本章小结
4 金融证券投资应用
    4.1 数据获取与预处理
    4.2 模型参数选择
    4.3 数据分析与结果
    4.4 本章小结
5 结论与展望
    5.1 研究结论
    5.2 论文展望
参考文献
附录1
附录2
附录3
附录4
附录5
致谢
攻读学位期间参加的研究工作和获得的学术成果


【参考文献】：
期刊论文
[1]一种基于Spark的分布式时态索引方法[J]. 郑晓东,王梅,陈德华,张碧莹.  计算机应用与软件. 2018(05)
[2]基于理性指标的马尔可夫链股市态势预测方法[J]. 姚宏亮,张远涛,王浩,李俊照.  计算机工程与应用. 2017(22)
[3]基于大数据背景下的多层神经网络股票预测模型[J]. 丁美琳,高语越,陈学斌.  软件. 2017(07)
[4]SHB+树——一种面向时态数据的分段混合索引[J]. 肖蒙,王梅.  计算机研究与发展. 2015(S1)
[5]Kappa系数:一种衡量评估者间一致性的常用方法（英文）[J]. 唐万,胡俊,张晖,吴攀,贺华.  上海精神医学. 2015(01)
[6]HBase下时态信息索引策略研究[J]. 陈磊,封朝永.  广东工业大学学报. 2014(03)
[7]气象GIS中的气象时态数据模型的设计[J]. 杨桂菊,石伟伟,邹伟.  测绘与空间地理信息. 2014(05)
[8]基于Hadoop的时态信息存储与时态关系演算问题研究[J]. 左亚尧,封朝永,陈磊.  计算机应用研究. 2014(05)
[9]多粒度时间文本数据的周期模式挖掘算法[J]. 孟志青,楼婷渊,胡强.  计算机科学. 2013(S2)
[10]用于非线性时间序列预测的POD-RBF神经网络[J]. 吴春国,朱世钊,汪秉宏,关昱航.  小型微型计算机系统. 2013(08)

硕士论文
[1]基于Hadoop多维时态数据挖掘模型的研究与应用[D]. 张云龙.浙江理工大学 2016
[2]基于隐马尔科夫模型（HMM）的股票价格预测分析[D]. 黄冉.青岛大学 2015
[3]基于SVMAdaBoost模型的股票涨跌实证研究[D]. 詹财鑫.华南理工大学 2013
[4]BP神经网络在股票预测中的应用研究[D]. 王莎.中南大学 2008



本文编号：3685538