近年來,隨著計(jì)算機(jī)技術(shù)的快速發(fā)展,量化投資逐漸在金融投資領(lǐng)域興起,其中股票的量化投資最具代表性。但在股票市場中,股票交易頻繁且復(fù)雜,股價趨勢預(yù)測困難,使得普通投資者很難把握股票價格趨勢的變化規(guī)律。另外,許多量化投資策略僅是把交易思想直接借助計(jì)算機(jī)的輔助來實(shí)現(xiàn),策略本身自適應(yīng)性較弱、通用性較差。目前股市仍然存在股價趨勢預(yù)測準(zhǔn)確率低、投資收益率低、投資風(fēng)險大等問題。針對上述問題,本文將人工智能技術(shù)應(yīng)用于股票量化投資中,設(shè)計(jì)了全新的股票量化投資決策模型。模型包括數(shù)據(jù)預(yù)處理、趨勢預(yù)測和投資決策三個模塊。數(shù)據(jù)預(yù)處理模塊實(shí)現(xiàn)股票數(shù)據(jù)的修剪和信息匯總,并使用交易數(shù)據(jù)和指標(biāo)數(shù)據(jù)兩類,保證數(shù)據(jù)的全面性。趨勢預(yù)測模塊提出一種股價趨勢轉(zhuǎn)折點(diǎn)預(yù)測算法PLR-IRF（Piecewise Linear Representation-Improved Random Forest）,實(shí)現(xiàn)轉(zhuǎn)折點(diǎn)提取、分類和預(yù)測。該算法是對分段線性表示（Piecewise Linear Representation,PLR）和隨機(jī)森林（Random Forest,RF）算法的優(yōu)化,可以實(shí)現(xiàn)PLR算法中閾值的自動設(shè)定,并使用遺傳算法（Ge... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１?ＲＦ分類器基本訓(xùn)練過程??根據(jù)圖２－１所示，ＲＦ分類器的訓(xùn)練過程可總結(jié)為以下四步：??

圖２－２交互過程??

圖３－１量化投資決策模型整體結(jié)構(gòu)圖??

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在量化投資中的應(yīng)用[J]. 李文鵬,高宇菲,錢佳佳,陳曦.  統(tǒng)計(jì)與管理. 2017(08)
[2]基于灰色神經(jīng)網(wǎng)絡(luò)的股票收益率預(yù)測[J]. 曹雷欣,孫紅兵.  計(jì)算機(jī)與數(shù)字工程. 2017(01)
[3]基于分段線性表示和高斯過程分類的股票轉(zhuǎn)折點(diǎn)概率預(yù)測[J]. 李豐,高峰,寇鵬.  計(jì)算機(jī)應(yīng)用. 2015(08)
[4]基于趨勢轉(zhuǎn)折點(diǎn)的時間序列分段線性表示[J]. 廖俊,于雷,羅寰,穆中林.  計(jì)算機(jī)工程與應(yīng)用. 2010(30)
[5]價值投資基本理論問題研究[J]. 薄小明.  經(jīng)濟(jì)師. 2009(09)
[6]基于時態(tài)邊緣算子的時間序列分段線性表示[J]. 肖輝,馬海兵,龔薇.  計(jì)算機(jī)工程與應(yīng)用. 2008(19)
[7]一種回歸SVM選擇性集成方法[J]. 張妤,王文劍,康向平.  計(jì)算機(jī)科學(xué). 2008(04)
[8]時間序列的自適應(yīng)誤差約束分段線性表示[J]. 賈澎濤,林衛(wèi),何華燦.  計(jì)算機(jī)工程與應(yīng)用. 2008(05)
[9]時間序列數(shù)據(jù)的分段線性表示[J]. 喻高瞻,彭宏,胡勁松,鄭啟倫.  計(jì)算機(jī)應(yīng)用與軟件. 2007(12)
[10]時態(tài)數(shù)據(jù)挖掘的相似性發(fā)現(xiàn)技術(shù)[J]. 潘定,沈鈞毅.  軟件學(xué)報. 2007(02)

博士論文
[1]隨機(jī)森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014

碩士論文
[1]數(shù)據(jù)挖掘方法在滬深300指數(shù)收益率波動預(yù)測的應(yīng)用研究[D]. 李嘉裕.廈門大學(xué) 2008



本文編號：3554273