【摘要】：挖掘金融市場(chǎng)的運(yùn)動(dòng)規(guī)律,并準(zhǔn)確地預(yù)測(cè)金融市場(chǎng)的走勢(shì)有助于金融投資者制定出低風(fēng)險(xiǎn)、高收益的投資策略。因此,金融時(shí)間序列預(yù)測(cè)的相關(guān)研究一直都在進(jìn)行,而且備受關(guān)注。然而,金融數(shù)據(jù)作為一種時(shí)間序列數(shù)據(jù)具有非線性、非平穩(wěn)以及高噪聲的特性,使得金融時(shí)間序列預(yù)測(cè)被世界公認(rèn)為最具有挑戰(zhàn)性的時(shí)間序列預(yù)測(cè)任務(wù)。如何準(zhǔn)確地判斷金融市場(chǎng)的走勢(shì)是金融研究人員始終都在研究但尚未完全攻克的難題。隨著深度學(xué)習(xí)方法在各行各業(yè)取得了突破性的進(jìn)展,越來(lái)越多的金融研究人員將深度學(xué)習(xí)方法應(yīng)用于金融時(shí)間序列預(yù)測(cè)的研究中。本文基于深度學(xué)習(xí)方法對(duì)金融時(shí)間序列預(yù)測(cè)問(wèn)題進(jìn)行研究,并以股票金融數(shù)據(jù)為預(yù)測(cè)對(duì)象,以收盤價(jià)格為預(yù)測(cè)目標(biāo),設(shè)計(jì)了兩種基于深度學(xué)習(xí)的時(shí)間序列預(yù)測(cè)模型——單流網(wǎng)絡(luò)預(yù)測(cè)模型和雙流網(wǎng)絡(luò)預(yù)測(cè)模型。其中,每條特征流網(wǎng)絡(luò)都是基于LSTM混合模型所實(shí)現(xiàn)的。單流網(wǎng)絡(luò)預(yù)測(cè)模型主要用于預(yù)測(cè)金融市場(chǎng)的股價(jià)指數(shù),該模型由基于WDAE-LSTM混合模型的自趨勢(shì)流構(gòu)成。該模型通過(guò)將小波降噪模塊、降噪自編碼器模塊以及長(zhǎng)短期記憶網(wǎng)絡(luò)模塊相結(jié)合,對(duì)金融市場(chǎng)股價(jià)指數(shù)序列的自身趨勢(shì)特征進(jìn)行提取。實(shí)驗(yàn)結(jié)果表明,與其它類似的預(yù)測(cè)模型相比,本文所設(shè)計(jì)的單流網(wǎng)絡(luò)預(yù)測(cè)模型在金融股價(jià)指數(shù)序列預(yù)測(cè)中有更高的預(yù)測(cè)精度,在實(shí)際金融分析中更有應(yīng)用價(jià)值。雙流網(wǎng)絡(luò)預(yù)測(cè)模型主要針對(duì)單支股票價(jià)格進(jìn)行預(yù)測(cè)。該模型是通過(guò)在單流網(wǎng)絡(luò)預(yù)測(cè)模型的基礎(chǔ)上引入互趨勢(shì)流實(shí)現(xiàn)的�；ペ厔�(shì)流的作用是利用由小波主成分分析降噪模塊和長(zhǎng)短期記憶網(wǎng)絡(luò)模塊構(gòu)成的WPCA-LSTM混合模型,從多支金融時(shí)間序列間提取相關(guān)趨勢(shì)特征。雙流網(wǎng)絡(luò)預(yù)測(cè)模型通過(guò)將自身趨勢(shì)特征和相關(guān)趨勢(shì)特征相融合,提高對(duì)單支股票價(jià)格序列的預(yù)測(cè)精度。實(shí)驗(yàn)結(jié)果表明,雙流網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)單支股票價(jià)格序列的預(yù)測(cè)性能相比于單流網(wǎng)絡(luò)模型有明顯的提升。最后,本文將雙流網(wǎng)絡(luò)預(yù)測(cè)模型應(yīng)用于其它時(shí)間序列預(yù)測(cè)中,實(shí)驗(yàn)結(jié)果表明,該雙流網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)其它時(shí)間序列數(shù)據(jù)的預(yù)測(cè)表現(xiàn)良好,這意味著本文所設(shè)計(jì)的雙流網(wǎng)絡(luò)預(yù)測(cè)模型具有一定的泛用性,可適用于多種時(shí)間序列預(yù)測(cè)分析。
【圖文】：

小波降噪降噪效果圖

sigmoid函數(shù)曲線
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：O211.61;F830.91

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何蕭玲;時(shí)間序列預(yù)測(cè)的一個(gè)前饋神經(jīng)網(wǎng)絡(luò)模型[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年04期

2 聶皖生;時(shí)間序列預(yù)測(cè)的權(quán)數(shù)理論[J];統(tǒng)計(jì)與預(yù)測(cè);1994年05期

3 張志鵬;王偉平;鄭海超;;卡爾曼濾波及其在時(shí)間序列預(yù)測(cè)中的應(yīng)用[J];儀表技術(shù);2010年07期

4 江勝菊;王濤;;一型模糊邏輯系統(tǒng)在時(shí)間序列預(yù)測(cè)中的應(yīng)用[J];遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

5 朱丹;;“時(shí)間序列預(yù)測(cè)”教學(xué)探討[J];中山大學(xué)學(xué)報(bào)論叢;2005年06期

6 孫延風(fēng),梁艷春,姜靜清,吳春國(guó);金融時(shí)間序列預(yù)測(cè)中的神經(jīng)網(wǎng)絡(luò)方法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2004年01期

7 王鴻緒;陳德廣;過(guò)建春;金海龍;;基于逆模糊數(shù)的模糊時(shí)間序列預(yù)測(cè)的新方法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2015年07期

8 楊月英;馬萍;;基于灰色時(shí)間序列預(yù)測(cè)中國(guó)汽車銷量[J];湖州職業(yè)技術(shù)學(xué)院學(xué)報(bào);2012年01期

9 吳江;李太勇;;基于加權(quán)支持向量機(jī)的金融時(shí)間序列預(yù)測(cè)[J];商業(yè)研究;2010年01期

10 楊鐘瑾;;核函數(shù)支持向量機(jī)的時(shí)間序列預(yù)測(cè)應(yīng)用研究[J];消費(fèi)導(dǎo)刊;2008年10期

相關(guān)會(huì)議論文 前10條

1 尤華;王建東;;機(jī)場(chǎng)噪聲的時(shí)間序列預(yù)測(cè)[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國(guó)通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

2 陳宇;唐常杰;鐘義嘯;段磊;喬少杰;普東航;;基于基因表達(dá)式編程和時(shí)變強(qiáng)度的時(shí)間序列預(yù)測(cè)[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

3 王亮;鐘登華;葛曉冬;;預(yù)測(cè)方法綜述[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

4 程乾生;;非線性時(shí)間序列預(yù)測(cè)——基于數(shù)據(jù)結(jié)構(gòu)的預(yù)測(cè)方法[A];全國(guó)第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

5 劉經(jīng)緯;王普;劉蘇;楊蕾;;時(shí)間序列預(yù)測(cè)小波神經(jīng)網(wǎng)絡(luò)控制方法研究[A];第26屆中國(guó)控制與決策會(huì)議論文集[C];2014年

6 王昭旭;郝曉辰;郭f萬(wàn)，

本文編號(hào)：2621593