現(xiàn)代學者很早以來就研究金融市場的預測方法,提出了各種時間序列模型,和各種統(tǒng)計模型,但是這些模型的預測效果往往不盡如人意。而金融危機的誕生和不同金融市場之間的相互影響讓學界開始意識到對金融市場的預測十分困難和理解金融市場之間耦合關系的重要性。學界意識到金融市場是一個復雜的、變化的、非線性動態(tài)系統(tǒng),不同國家之間的同質金融市場和非同質金融市場之間存在著復雜的耦合關系,但是這種耦合關系不僅不能直接從金融市場數(shù)據(jù)觀測,而且非常難以通過模型反映。而近年來提出的深度學習模型,可以很好地擬合各種復雜的非線性函數(shù),并且可以通過對簡單特征的學習與提取得到高維度的復雜特征向量�；谏疃葘W習,本文描述了三種不同類型的金融市場耦合關系:同質關系（不同國家之間同種金融市場之間的耦合關系）、非同質關系（不同金融市場之間的耦合關系）、自回歸關系（過去時間節(jié)點的金融市場與當前時間節(jié)點的金融市場之間的耦合關系）,并通過條件受限玻爾茲曼機模型和高斯條件受限玻爾茲曼機模型組成的深度學習網絡對其進行建模,并基于訓練結果對八個不同國家（美國、英國、德國、法國、日本、意大利、加拿大和中國）的多個不同金融市場（證券市場、外匯市場、貨... 

【文章來源】：中國科學技術大學安徽省 211工程院校 985工程院校

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【部分圖文】：

圖３．１展示的是一個神經元的的結構

圖３＿６??

圖３．?７所示：??圖３．７??


本文編號：3263888