基于广度学习的股票波动预测模型的设计与实现

论文摘要

随着互联网不断深入人们的生活,股票市场越来越受到互联网信息的影响,投资者们会通过互联网来阅览相关股票新闻,了解相关公司的发展动向,还会通过网络互相交流信息。因此,传统依赖于股票交易量化交易的股市波动预测方法难以充分利用有效的市场信息,而考虑互联网信息的影响有助于提升股市波动预测性能。然而有效融合多源异构信息仍面临诸多挑战。为此,本文主要针对在股票波动预测问题开展多源数据融合技术的研究,基于广度学习的思想提出股票波动预测模型来提升股票预测精度。本文提出的股票预测框架是基于耦合隐马尔可夫模型的,该模型一方面融合了股票量化信息和股票新闻事件信息,一方面考虑了股票之间的关联关系,可以有效缓解数据稀疏的问题,另外,为了进一步利用股票间的关联关系,以及股价变化在时序上的关联关系,本文还提出了一种基于时间和空间的两维修正算法,对耦合隐马尔可夫模型的结果做进一步修正。同时为了解决概率图模型计算量大计算速度慢等问题,提出了基于LSTM的局部近似方法,可以有效提升预测速度。同时,提出了一种基于二分图的最大共识预测方法,可以针对本文基于似然值的预测方法做到精度上的提升。最后,本文利用CSI002015年数据在本文提出的框架上做了效果验证,结果表明我们的方法可以有效的提升模型预测准确度。

论文目录

摘要

ABSTRACT

第一章绪论

1.1 课题研究背景及意义

1.1.1 课题的研究背景

1.1.2 课题的研究目的及意义

1.2 国内外研究现状

1.2.1 多源数据融合

1.2.2 股票波动预测研究

1.2.3 隐马尔可夫模型

1.3 课题研究工作及系统框架

1.3.1 课题研究工作

1.3.2 系统整体框架

1.4 论文组织结构

1.5 本章总结

第二章相关技术

2.1 爬虫

2.2 隐马尔可夫模型

2.3 长短期记忆网络（LSTM）

2.4 基于最大共识的模型融合

2.5 本章总结

第三章基于耦合隐马尔可夫模型的多源数据融合

3.1 耦合隐马尔可夫模型的设计思想

3.2 耦合隐马尔可夫模型的基本概念和假设

3.2.1 基本概念

3.2.2 基本假设

3.3 扩展耦合隐马尔可夫模型预测框架

3.3.1 数据处理

3.3.2 扩展耦合隐马尔可夫模型

3.4 模型性能评估

3.4.1 实验数据及评价方法

3.4.2 对比方法及实验效果

3.5 扩展耦合隐马尔可夫模型的不足

3.6 本章总结

第四章基于多维关联融合的股票波动预测研究

4.1 设计思想

4.2 平衡模型效率和分类结果

4.2.1 基于时间序列和股票相似度的修正算法（TDA）

4.2.2 基于LSTM的局部近似算法

4.3 基于模型融合的预测方法

4.4 模型评估

4.4.1 数据描述及对比方法介绍

4.4.2 评价指标及实验效果

4.5 本章总结

第五章总结与展望

5.1 本文总结

5.2 后续研究展望

参考文献

致谢

攻读学位期间发表的学术论文目录

文章来源

类型: 硕士论文

作者: 李奕萱

导师: 张熙

关键词: 广度学习,股票预测,耦合隐马尔可夫,模型融合

来源: 北京邮电大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,金融,证券,投资

单位: 北京邮电大学

分类号: F832.51;O211.6

总页数: 60

文件大小: 4518K

下载量: 350

基于广度学习的股票波动预测模型的设计与实现

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢