發(fā)布時間：2020-07-12 13:12

【摘要】：今天,隨著中國經濟的快速發(fā)展,資本市場特別是證券市場愈發(fā)受到青睞,無論對機構還是個人投資者,股票價格預測一直是各方關注的重點,在資本市場領域有重要的意義。傳統(tǒng)上,投資者基于統(tǒng)計技術分析或者簡單機器學習方法進行股價預測,但由于股票市場是一個復雜的非線性動態(tài)系統(tǒng),這些方法存在巨大的局限性。近年來,神經網絡依靠其強大的非線性建模能力在計算機視覺、自然語言處理、自動駕駛等各方面取得非常大的進展,越來越多的人考慮利用神經網絡進行股價預測,其中LSTM憑借其強大的序列建模能力獲得更多的青睞,人們也不斷通過理論創(chuàng)新、模型創(chuàng)新提升股價的預測精度。近期,時間卷積網絡(TCN)理論憑借其更佳強大的序列建模能力在時序任務中取得較LSTM等循環(huán)神經網絡更好的效果;同時,自編碼網絡作為一種無監(jiān)督學習算法,對于進行特征工程、提取高級語義特征方面有獨特的效果。論文正是基于以上兩個方面對股價預測算法進行創(chuàng)新。本論文深刻回顧了股價預測的理論意義及必要性,并系統(tǒng)闡述了近年來國內外學者在股價預測模型創(chuàng)新中取得的進展,特別地,針對目前表現(xiàn)良好的神經網絡模型進行深入探討,以此為基礎構建股價預測創(chuàng)新模型——基于特征自編碼和時間卷積網絡的股價預測模型,并利用股票歷史量價數(shù)據(jù)實證分析模型的優(yōu)越性。主要創(chuàng)新工作如下:(1)基于成熟的特征自編碼算法以及LSTM股價預測算法理論,首次將以上兩種算法相結合,構建“特征自編碼網絡+LSTM”組合股價預測算法,通過與單純的LSTM算法進行比較實證分析:選取深證成指成分股平安銀行歷史量價數(shù)據(jù),通過自編碼網絡進行高級語義特征抽取,將高低級語義特征進行結合,作為LSTM股價預測模型的輸入,進行模型的訓練及測試,將各項評價指標與單純的LSTM股價預測模型進行比較。通過以上的模型構建和對比實證分析,得出以下結論:通過特征自編碼網絡的自訓練學習得到的高級語義特征對于股價的預測效果有部分提升;通過t時刻之前timestep長度的日期特征預測t+m時刻的股票價格,中等大小的m(本例中大致為20)取得的預測效果更穩(wěn)定,具有更好的效果。(2)基于已有的特征自編碼算法以及最新的時間卷積網絡(TCN)算法結構,首次將TCN算法應用到股價預測任務中去,并與(1)中證明對股價預測有性能提升的“特征自編碼網絡”相結合,構建“特征自編碼網絡+TCN”組合股價預測算法。將算法與(1)中的“特征自編碼網絡+LSTM”組合股價預測算法進行比較實證分析:同樣選取相同的平安銀行歷史量價數(shù)據(jù),進行與(1)中相同的操作。通過以上的模型構建和對比實證分析,得出以下結論:通過時間卷積網絡的代替LSTM對于股價的預測效果有部分性能提升;通過t時刻之前timestep長度的日期特征預測t+m時刻的股票價格,中等大小的m(本例中大致為20)取得的預測效果更穩(wěn)定,具有更好的效果;隨著預測數(shù)據(jù)時間步的延長,TCN處理長串數(shù)據(jù)的能力得到釋放,模型的性能得到部分提升,但存在提升上限。最終,我們通過以上的分析證明了“特征自編碼網絡斗+TCN”模型在股價預測任務中的優(yōu)越性。
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F832.51;F224
【圖文】：

山東大學碩士學位論文逡逑第２章理論基礎逡逑２．１股價預測基礎理論逡逑自股票市場誕生以來，無論是機構投資者還是個人投資者一直致力于通過低逡逑買高賣獲取超額利潤，因此提前預測股票價格的漲跌成為投資者孜孜不倦的追求。逡逑１８８４年由道瓊斯公司的創(chuàng)始人查爾斯？亨利？道（Ｃｈａｒｌｅｓ邋Ｈｅｎｒｙ邋Ｄｏｗ，邋１８５１－１９０２逡逑年）開始編制的一種算術平均股價指數(shù)一道瓊斯指數(shù)（如下圖２－１所示），開創(chuàng)逡逑了股票價格技術分析的先河，隨后價值投資、Ｋ線理論等投資理論相繼風靡全球，逡逑人們寄希望于通過相關理論分析能夠先于市場獲得股價漲跌信息甚至于精確的逡逑股價情況。逡逑２００００．０邋－逡逑

卷積神經網絡主要結構為卷積層、池化層、全連接層，以及為增大感受野而逡逑創(chuàng)新的擴張卷積，下面以二維卷積為例分別予以陳述。逡逑卷積層逡逑卷積層主要用來對輸入數(shù)據(jù)進行特征提取，包含多個卷積核，組成卷積核的逡逑每個元素都對應一個權重系數(shù)和一個偏差量（ｂｉａｓｖｅｃｔｏｒ），與一個前饋神經網絡逡逑的神經元（ｎｅｕｒｏｎ）相類似。其中，每個神經元都與前一層中位置接近的區(qū)域的逡逑多個神經元相連，卷積核的大小由區(qū)域的大小決定，在文獻中被稱為“感受野逡逑（ｒｅｃｅｐｔｉｖｅｆｉｅｌｄ）”。卷積核運行時，會有規(guī)律地掃過輸入特征，對輸入特征在感逡逑受野內做矩陣元素乘法求和并疊加偏差量（圖２－４），計算公式（２－１）如下：逡逑Ｋｌ邋ｆ邋ｆ逡逑Ｚ（ｌ＋１＼ｉ，ｊ）邋＝邋［Ｚｌ邋０邋ｗｌ］（ｉ，ｊ）邋＋邋／ｊ邋＝邋＾邋＾邋＾［ｚ＾（ｓ0ｔ邋＋邋ｘ，ｓ０ｊ邋＋邋ｙ）ｗｌｋ＋１（ｘ，ｙ）］邋＋邋ｂ逡逑ｋ＝ｌ邋ｘ＝ｌ邋ｙ＝ｌ逡逑

卷積神經網絡主要結構為卷積層、池化層、全連接層，以及為增大感受野而逡逑創(chuàng)新的擴張卷積，下面以二維卷積為例分別予以陳述。逡逑卷積層逡逑卷積層主要用來對輸入數(shù)據(jù)進行特征提取，包含多個卷積核，組成卷積核的逡逑每個元素都對應一個權重系數(shù)和一個偏差量（ｂｉａｓｖｅｃｔｏｒ），與一個前饋神經網絡逡逑的神經元（ｎｅｕｒｏｎ）相類似。其中，每個神經元都與前一層中位置接近的區(qū)域的逡逑多個神經元相連，卷積核的大小由區(qū)域的大小決定，在文獻中被稱為“感受野逡逑（ｒｅｃｅｐｔｉｖｅｆｉｅｌｄ）”。卷積核運行時，會有規(guī)律地掃過輸入特征，對輸入特征在感逡逑受野內做矩陣元素乘法求和并疊加偏差量（圖２－４），計算公式（２－１）如下：逡逑Ｋｌ邋ｆ邋ｆ逡逑Ｚ（ｌ＋１＼ｉ，ｊ）邋＝邋［Ｚｌ邋０邋ｗｌ］（ｉ，ｊ）邋＋邋／ｊ邋＝邋＾邋＾邋＾［ｚ＾（ｓ0ｔ邋＋邋ｘ，ｓ０ｊ邋＋邋ｙ）ｗｌｋ＋１（ｘ，ｙ）］邋＋邋ｂ逡逑ｋ＝ｌ邋ｘ＝ｌ邋ｙ＝ｌ逡逑

【相似文獻】

相關期刊論文 前10條

1 梁萬泉;;亞洲新興市場股價指數(shù)期貨的特點與發(fā)展[J];金融博覽;2010年04期

2 梁萬泉;;海外股價指數(shù)期貨合約的比較與分析[J];海南金融;2010年11期

3 費潔;;股價指數(shù)期貨定價模式研究[J];華北金融;2009年12期

4 李海生;李定安;龔志勇;;基于小波分解的股價指數(shù)期貨對現(xiàn)貨效應的實證研究[J];上海經濟研究;2008年02期

5 馬曉麗,王秋靜;關于在我國開設股價指數(shù)期貨的思考[J];沿海企業(yè)與科技;2005年12期

6 ;股價指數(shù)[J];對外經貿財會;2001年05期

7 谷文艷;美國各主要股價指數(shù)解析[J];國際資料信息;2000年06期

8 孫建華;淺談開設股價指數(shù)期貨交易[J];上海金融高等專科學校學報;2000年01期

9 王琪英,姚秉琪,高紅霞;股價指數(shù)期貨[J];國際商務研究;1999年03期

10 丁華;股價指數(shù)波動中的ARCH現(xiàn)象[J];數(shù)量經濟技術經濟研究;1999年09期

相關會議論文 前3條

1 臧大年;;股價指數(shù)衍生商品市場發(fā)展[A];第九屆中國期貨分析師論壇專刊[C];2015年

2 鄒艷芬;;股價指數(shù)的綜合影響因素動態(tài)模型分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第九次學術年會論文集[C];2004年

3 王剛;韓立巖;;灰色模型在中國股票市場預測中的應用[A];2002年中國管理科學學術會議論文集[C];2002年

相關重要報紙文章 前10條

1 湯亞平;當閃電打下來時 你必須在場[N];證券時報;2017年

2 ;說說香港創(chuàng)業(yè)板[N];科技日報;2001年

3 曼氏金融（新加坡）私人有限公司高級副總裁 Andrew Lu;由國際市場看股價指數(shù)期貨的操作[N];期貨日報;2006年

4 ;道指距歷史高位不到百點[N];第一財經日報;2006年

5 中信建投期貨 劉超;股價指數(shù)風格轉換特征研究[N];期貨日報;2008年

6 ;臺灣股市暴漲275.25點[N];中華工商時報;2002年

7 深圳證券交易所綜合研究所 肖立見　王曉津;2008年全球股市暴跌的六大特征[N];證券時報;2009年

8 證券時報記者 吳家明;外資逆市進軍韓國股市[N];證券時報;2009年

9 ;全國統(tǒng)一股價指數(shù)編制研究[N];中國證券報;2001年

10 田舍;就業(yè)攀升美歐股市上揚[N];國際商報;2003年

相關博士學位論文 前5條

1 韓士專;噪聲背景下的股市反饋機制研究[D];華南師范大學;2004年

2 劉　勇;中國股價行為金融計量研究[D];東北財經大學;2005年

3 張立黨;資本市場中公司治理的信號機制研究[D];南開大學;2013年

4 賴宏仁;臺灣證券信用交易效能實證研究[D];暨南大學;2010年

5 楊軍;中國股票市場價格行為實證研究[D];中共中央黨校;2011年

相關碩士學位論文 前10條

1 滿成劍;基于特征自編碼和時間卷積網絡的股價預測研究[D];山東大學;2019年

2 呂曉龍;外匯干預、匯率預期與股價聯(lián)動關系研究[D];安徽大學;2019年

3 李敏;股價指數(shù)、CEO權力與上市公司并購[D];安徽工業(yè)大學;2018年

4 曹芳芳;我國IPO數(shù)量及融資額對股價指數(shù)的影響研究[D];湖南大學;2018年

5 馮亞嬌;人民幣匯率與我國股價指數(shù)的關聯(lián)性分析[D];首都經濟貿易大學;2018年

6 麻燕;我國法定存款準備金率調整對股價指數(shù)影響的實證研究[D];湖南大學;2017年

7 李婧;深港通對AH股價差影響的實證分析[D];集美大學;2017年

8 劉斌;我國股價指數(shù)期貨套利的相關問題研究[D];浙江工商大學;2013年

9 張保;基于GARCH模型的利率與股價指數(shù)收益率波動相關性研究[D];東北大學;2012年

10 楊陽;行業(yè)股價指數(shù)波動溢出效應的研究[D];江西財經大學;2012年

本文編號：2752007