經(jīng)過數(shù)十年的發(fā)展我國證券市場不斷完善,參與證券投資的個人投資者人數(shù)眾多。對投資者的投資行為進行客觀、科學(xué)的評價可以幫助投資者確立理性的投資理念,但大多數(shù)個人投資者不具備專業(yè)的投資知識,無法獨立對自己的投資行為做出準(zhǔn)確的分析評價。由于個人投資者的投資行為與基金投資行為存在較大的差別,目前以基金為研究對象的業(yè)績歸因模型無法直接應(yīng)用到個人投資者的投資行為分析中。此外投資者在投資過程中積累了大量的投資行為數(shù)據(jù),簡單地進行歸因分析并無法完全利用用戶投資行為數(shù)據(jù)中蘊含的信息。針對現(xiàn)有的問題,本課題以用戶投資行為作為研究對象,提出了用戶業(yè)績歸因模型,并對將循環(huán)神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于用戶投資行為建模分析進行研究。本文的研究工作包括以下幾個研究內(nèi)容:針對傳統(tǒng)機器學(xué)習(xí)算法只使用用戶投資行為的統(tǒng)計特征,無法處理用戶投資行為中包含的其他豐富信息的問題,例如:時間動態(tài)信息、用戶行為偏好等。本文將在處理序列化數(shù)據(jù)中應(yīng)用廣泛的RNN網(wǎng)絡(luò)引入對用戶投資行為的建模中,在投資行為預(yù)測任務(wù)中訓(xùn)練模型。針對用戶投資行為數(shù)據(jù)集,本文對RNN網(wǎng)絡(luò)進行了相應(yīng)的調(diào)整優(yōu)化。同時引入注意力機制,模型對投資行為分配不同的權(quán)重,使得模型的可解釋性更好。由于上面的模型在用戶投資行為建模過程僅使用了用戶投資行為的序列信息,忽略了相關(guān)用戶信息的重要性,只學(xué)習(xí)到了投資行為數(shù)據(jù)中蘊含的用戶行為模式或用戶偏好信息。本文進一步研究為LSTM神經(jīng)單元添加新的門控單元引入用戶信息,引入用戶信息后模型在評價指標(biāo)上的性能有一定的提升。注意力機制的引入可能使神經(jīng)網(wǎng)絡(luò)模型過于關(guān)注用戶投資行為序列中的某些行為造成模型過于關(guān)注局部性信息而忽略了序列全局信息,使得模型學(xué)習(xí)到的信息過于偏頗不能全面真實地反映用戶行為記錄。本文使用并行聯(lián)合訓(xùn)練的模型框架去解決該問題,基于原始LSTM神經(jīng)元和改進后的LSTM神經(jīng)元的并行聯(lián)合訓(xùn)練模型的性能在評價指標(biāo)均有提升。針對現(xiàn)有的Brinson業(yè)績歸因模型無法應(yīng)用到個人投資者投資行為分析的問題,本文重新定義了用戶投資實際收益率的計算方法,并在該基礎(chǔ)上提出適用于個人投資者的用戶業(yè)績歸因模型�；谟脩魳I(yè)績歸因模型搭建了用戶投資行為量化分析評價系統(tǒng)。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F832.51;F224
【部分圖文】：

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文2.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其變種循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)[40]：是被設(shè)計可以更好地處理序列數(shù)據(jù)。循環(huán)神經(jīng)網(wǎng)絡(luò)通過引入隱藏狀態(tài)來存儲過去數(shù)據(jù)提供的信息，存儲的過去信息和當(dāng)前輸入數(shù)據(jù)共同影響后序的信息，這就使得循環(huán)神經(jīng)網(wǎng)絡(luò)有記憶功能，可以記憶之前數(shù)據(jù)提供的相關(guān)信息。循環(huán)神經(jīng)網(wǎng)絡(luò)記憶之前的隱藏狀態(tài)并非全部存儲，而是通過一個隱藏狀態(tài)這樣極大地減少了模型參數(shù)的數(shù)量。

的長依賴關(guān)系，提出了門控循環(huán)神經(jīng)網(wǎng)絡(luò)，它可以通過門控單元控制信息的流動，長短時記憶網(wǎng)絡(luò)就是一種常用的門控循環(huán)神經(jīng)網(wǎng)絡(luò)。LSTM 相較于 RNN 引入了三個“門”，分別為輸入門、遺忘門和輸出門，除了引入門控單元還添加了與隱藏狀態(tài)形狀相同的特殊隱藏狀態(tài)來保存額外的信息被稱為記憶細胞。LSTM 的詳細結(jié)構(gòu)如圖 2-2 所示。

層的隱藏單元有一定的概率失效丟棄，該方法只在訓(xùn)練時起作用，可以增強的泛化能力。Dropout 機制的示意圖如圖 2-5 所示。Dropout 令隱藏單元失效可以使網(wǎng)絡(luò)結(jié)構(gòu)更加簡化，訓(xùn)練像在訓(xùn)練一個模型的集合中的所有模型，集每個模型的參數(shù)減少但整個模型集合的參數(shù)數(shù)目不變，這就很好的緩解了深習(xí)模型訓(xùn)練過程中容易過擬合的問題。
【相似文獻】

相關(guān)期刊論文 前10條

1 劉德勝;司光亞;蔣亞群;羅批;;面向戰(zhàn)爭問題的群體行為建模研究綜述[J];系統(tǒng)仿真學(xué)報;2013年02期

2 司光亞;胡曉峰;李志強;楊志謀;;戰(zhàn)爭模擬中大規(guī)模群體行為建模研究與實踐[J];軍事運籌與系統(tǒng)工程;2011年01期

3 仲輝;王維平;黃炎焱;李群;;一種基于π演算的行為建模形式化方法[J];系統(tǒng)工程理論與實踐;2009年05期

4 李延芳;吳朝暉;;行為建模在齒輪設(shè)計中的應(yīng)用[J];寧波工程學(xué)院學(xué)報;2008年04期

5 杜瑾;劉均;鄭慶華;丁嬌;龔智勇;韓殿哲;;一種基于網(wǎng)頁元數(shù)據(jù)的用戶訪問行為建模方法[J];西安交通大學(xué)學(xué)報;2008年02期

6 周克媛,韓先征;行為建模技術(shù)(Behavioral Modeling)在零件設(shè)計中的應(yīng)用[J];青島職業(yè)技術(shù)學(xué)院學(xué)報;2004年01期

7 求索;行為建模技術(shù)[J];計算機輔助設(shè)計與制造;2000年02期

8 林勇;史慶春;;行為建模在單拐曲軸設(shè)計中的應(yīng)用[J];科技與創(chuàng)新;2015年20期

9 王鑫;杜林芳;;行為建模技術(shù)在減速器優(yōu)化與仿真設(shè)計中的應(yīng)用[J];河南工程學(xué)院學(xué)報(自然科學(xué)版);2013年02期

10 王棟;柏彥奇;孫曉;;裝備保障執(zhí)行層的機動行為建模[J];價值工程;2011年15期

相關(guān)博士學(xué)位論文 前10條

1 孫林;CGF中的指控行為建模關(guān)鍵技術(shù)研究[D];國防科技大學(xué);2017年

2 吳潤澤;基于認(rèn)知診斷的學(xué)生作答行為建模方法及應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2018年

3 付躍文;面向群體性事件的人群行為建模與控制方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

4 鄭義;計算機生成兵力行為建模與實現(xiàn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2003年

5 陳中祥;基于BDI Agent的CGF主體行為建模理論與技術(shù)研究[D];華中科技大學(xué);2004年

6 劉雁飛;駕駛行為建模研究[D];浙江大學(xué);2007年

7 張會;虛擬群體組織協(xié)同行為建模方法研究[D];國防科學(xué)技術(shù)大學(xué);2006年

8 劉曉紅;面向虛擬概念設(shè)計的機械產(chǎn)品行為建模及關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2003年

9 張巍;群體協(xié)同行為建模與仿真技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2012年

10 譚論正;基于視覺的駕駛行為建模[D];中南大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李行;信號燈轉(zhuǎn)換期間的穿越行為建模與分析[D];北京交通大學(xué);2019年

2 張紹明;用戶投資行為建模及歸因分析方法研究[D];哈爾濱工業(yè)大學(xué);2018年

3 王苗;《行為計算機科學(xué)：結(jié)合人類和系統(tǒng)行為建模的議程》英漢翻譯實踐報告[D];天津理工大學(xué);2019年

4 張子龍;人群聚集行為建模及仿真技術(shù)的研究[D];天津理工大學(xué);2019年

5 付延昌;基于行為樹的CGF行為建模研究[D];國防科學(xué)技術(shù)大學(xué);2016年

6 夏利;基于代理的社會網(wǎng)絡(luò)用戶購買行為建模與實驗分析[D];南京郵電大學(xué);2018年

7 柴程;基于多智能體的人群行為建模及仿真研究[D];西安電子科技大學(xué);2018年

8 杜易霖;基于Swarm的模擬電磁機制的蜂群覓食行為建模與仿真[D];太原科技大學(xué);2016年

9 陳偉;情感智能體認(rèn)知行為建模研究[D];國防科學(xué)技術(shù)大學(xué);2011年

10 周銀;基于有限自動機的軟件行為建模方法的研究[D];北京理工大學(xué);2011年

本文編號：2858967