本文選題：深度學習　切入點：金融市場預測　出處：《金融研究》2017年05期

【摘要】：隨著智能時代來臨以及金融數(shù)據(jù)分析需求提升,深度學習已經(jīng)成為金融領域中的應用前沿,特別是在預測金融市場運動、處理文本信息、改進交易策略方面。深度學習包含深度神經(jīng)網(wǎng)絡、深度信念網(wǎng)絡等多種結構,通過分層結構提取深層特征,強化重要因素、過濾噪音,對提升預測準確率具有重要意義;其應用及由此衍生的優(yōu)化技術改進了金融領域預測分析方法,促使實證研究范式從線性向非線性轉變、從關注參數(shù)顯著性向關注模型結構和動態(tài)特征轉變,同時為豐富金融經(jīng)濟理論做出貢獻。構建結構合適、效果穩(wěn)健的模型以捕捉金融數(shù)據(jù)有效特征并進行經(jīng)濟含義闡釋是應用深度學習方法的難點與重點;未來研究可以從挖掘深層經(jīng)濟意義、提煉一般性預測分析框架、探索其對異質(zhì)信息的適用性等角度展開。
[Abstract]:With the advent of the intelligent age and the increasing demand for financial data analysis, in-depth learning has become the application frontier in the field of finance, especially in forecasting financial market movements, processing text information, and improving trading strategies.Depth learning includes deep neural network, deep belief network and so on. It is very important to extract the deep features, strengthen the important factors and filter the noise through the hierarchical structure, which is of great significance to improve the accuracy of prediction.Its application and the optimization techniques derived therefrom improve the forecasting and analysis methods in the financial field, and promote the paradigm of empirical research to change from linear to nonlinear, from the attention to the significance of parameters to the attention to the structure and dynamic characteristics of the model.At the same time, to enrich the financial and economic theory to make a contribution.It is difficult and important to construct a well-structured and robust model to capture the effective characteristics of financial data and explain the economic meaning.The general prediction analysis framework is refined to explore its applicability to heterogeneous information.
【作者單位】： 中央財經(jīng)大學;中國人民大學國際貨幣研究所;中國傳媒大學;
【基金】：國家哲學社會科學基金重大項目(15ZDC024) 國家自然科學基金面上項目(71473279)資助
【分類號】：F830

【相似文獻】

相關期刊論文 前10條

1 莫恭佑;;神經(jīng)網(wǎng)絡及其在英國的應用[J];國際科技交流;1992年03期

2 閔志;;神經(jīng)網(wǎng)絡:使計算機具有快速學習功能[J];國際科技交流;1992年03期

3 楊則正;神經(jīng)網(wǎng)絡中模擬人的思維過程[J];管理科學文摘;1994年07期

4 柴振榮;利用神經(jīng)網(wǎng)絡的智能型管理[J];管理科學文摘;1995年03期

5 馮繼民;神經(jīng)網(wǎng)絡:從工程觀點看其發(fā)展前景[J];管理科學文摘;1995年05期

6 王中賢，錢頌迪;神經(jīng)網(wǎng)絡法在經(jīng)濟管理中的應用[J];航天工業(yè)管理;1995年04期

7 鄭士貴;預測大學畢業(yè)生的成功:神經(jīng)網(wǎng)絡和傳統(tǒng)技術的比較[J];管理科學文摘;1996年04期

8 李斌;神經(jīng)網(wǎng)絡在集體決策過程中進行多準則模擬時的應用[J];管理科學文摘;1996年04期

9 李斌;推論和神經(jīng)網(wǎng)絡[J];管理科學文摘;1996年05期

10 鄭士貴;伴隨新制品研制的神經(jīng)網(wǎng)絡:述評[J];管理科學文摘;1996年06期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1696088