基于循环神经网络的证券选择

发布时间：2023-02-01 18:18

　　本文主要利用循环神经网络进行建模研究中国证券市场的投资优化选择及其投资收益问题.首先,在上海证券交易所选取100家公司,根据显著性检验挑选出7种技术指标,经过严格的数学计算又重构出10种技术指标.利用数据挖掘技术与主成分分析相结合的方法得到了影响股票收益率的3个主成分数据.其次,利用循环神经网络（Recurrent Neural Network）来模拟证券市场的运行规律,将连续3天的9个主成分数据作为网络的输入,将连续持有2天的收益率作为网络输出.不断地训练网络,从而得到了依据循环神经网络构建的预测模型,将得到的模型用于预测股票的收益率.最后,用一组新的交易数据作为模型的输入,根据预测的收益率进行模拟投资.结果表明,利用模型进行的投资其收益率和夏普比率都优于同时期的上证指数收益.另外,本文又从基本分析的角度出发,利用显著影响股票收益的11种财务指标,根据构建的循环神经网络模型,预测了证券市场的中短期收益率,并依据预测进行模拟投资,所得结果同样令人满意. 

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
引言
第一章 预备知识
    1.1 股票收益率
    1.2 投资风险
    1.3 主成分分析
    1.4 循环神经网络
第二章 主成分分析与循环神经网络模型构建
    2.1 数据预处理
    2.2 主成分分析
    2.3 构建循环神经网络模型预测股票收益率
第三章 基于技术分析的投资效率分析
    3.1 模拟投资
    3.2 上证指数收益
    3.3 投资效率分析
第四章 基于基本分析的预测模型及投资效率分析
    4.1 数据说明
    4.2 主成分分析
    4.3 构建循环神经网络模型
    4.4 投资效率分析
第五章 总结
参考文献
致谢
附录1:基本分析时使用的100家股票
附录2:技术分析吋使用的100家股票


【参考文献】：
期刊论文
[1]基于神经网络的股票市场预测[J]. 左喆,董申.  商场现代化. 2010(24)
[2]利用决策树技术对股票价格数据库进行数据挖掘[J]. 雷炜,叶东毅.  福建电脑. 2004(08)
[3]中国股票市场量价关系的实证研究[J]. 李双成,王春峰.  山西财经大学学报. 2003(02)
[4]证券系统的能量与熵探讨[J]. 刘海军,任国彪,杨芃.  证券市场导报. 2003(02)
[5]影响我国股票市场价格波动的基本因素[J]. 马向前,万帼荣.  山西统计. 2001(01)

硕士论文
[1]基于支持向量机的股市预测[D]. 陶小龙.北京工业大学 2005



本文编号：3734361