隨著國家經(jīng)濟不斷的發(fā)展和人民生活水平的提高,股票投資已經(jīng)成為很多民眾重要的投資方式之一�？墒枪善蓖顿Y會面臨一定的風險,因此對于股票投資者來說能更好的預測股票走勢是非常重要和有意義的。然而股票的變化趨勢相對復雜,數(shù)據(jù)量大,數(shù)據(jù)的信息重疊度高,數(shù)據(jù)的波動值較大等,對于一些傳統(tǒng)的預測模型來說,不僅訓練時長增加且不易學習到變化的規(guī)律,這些都會導致一些股票模型預測結果不理想,與實際數(shù)據(jù)差異大�；诖吮菊撐耐ㄟ^卷積神經(jīng)網(wǎng)絡(CNN)改進長短期記憶(LSTM)模型并聯(lián)合GM(1,1)灰色模型構建混合模型,對股票的價格進行了預測研究,主要研究內容如下:1.數(shù)據(jù)處理。在股票官方網(wǎng)站選取滬深兩大股市中具有代表性的股票,收集40萬條歷史股票信息,通過My SQL數(shù)據(jù)庫進行存儲,并對數(shù)據(jù)進行研究性分析篩選。2.改進LSTM模型。在LSTM模型前增加卷積神經(jīng)網(wǎng)絡模型進行數(shù)據(jù)處理,整合LSTM模型和CNN模型的特點來解決因記憶模塊能力有限造成的預測滯后的問題。3.傳統(tǒng)預測。對改進的LSTM模型和GM(1,1)模型單獨進行股票預測,實驗預測結果顯示兩種模型對股票收盤價預測表現(xiàn)良好,但是GM(1,1)對長數(shù)據(jù)處理能力...

【文章頁數(shù)】：48 頁

【學位級別】：碩士

【部分圖文】：

圖2.1LSTM結構圖

2相關基礎理論與關鍵技術碩士研究生學位論文62相關基礎理論與關鍵技術2.1相關模型2.1.1LSTMLSTM作為一種特殊的循環(huán)神經(jīng)網(wǎng)絡，解決了長序列訓練過程中梯度消失和爆炸的問題，網(wǎng)絡結構更加復雜。LSTM引入了一種細胞狀態(tài)，并結合了遺忘、輸入和輸出門來丟棄、維護和更新信息。模型....

圖3.1滬深300成分股權重占比Figure3.1ProportionofsharesofCSI300component

3數(shù)據(jù)集的構建與數(shù)據(jù)處理碩士研究生學位論文14從網(wǎng)易財經(jīng)官方網(wǎng)站中下載數(shù)據(jù)后，以CSV的格式保存在數(shù)據(jù)庫中進行統(tǒng)一的管理。同時為了更好的分析股票，從中證指數(shù)網(wǎng)站下載最新的滬深300股票權重比例。滬深300部分股票權重結構如表3.2所示。表3.2部分成分股權重Table3.2Equ....

圖4.1改進的LSTM模型流程圖

?優(yōu)勢和特點來改進LSTM模型，在LSTM模型前增加CNN模型進行數(shù)據(jù)處理，利用CNN自身特征提取和降維的優(yōu)勢，可以減少LSTM模型在預測時的數(shù)據(jù)量，提高數(shù)據(jù)處理的速度和LSTM模型的數(shù)據(jù)記憶能力。為了發(fā)揮出LSTM模型自身數(shù)據(jù)記憶能力的優(yōu)勢并降低網(wǎng)絡的負載冗余增量，在改進的LS....

圖4.2LSTM-CNN模型的架構

4基于改進LSTM和GM(1,1)的混合模型股票預測碩士研究生學位論文22圖4.2LSTM-CNN模型的架構Figure4.2ArchitectureoftheLSTM-CNNmodel4.3實驗方案及結果分析4.3.1數(shù)據(jù)預處理實驗數(shù)據(jù)：在網(wǎng)易財經(jīng)網(wǎng)中下載上海交易所2010年1....

本文編號：3998799