原创力文档- 1、本文档共57页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
-PAGEV-
-PAGEIV-
基于深度学习的股票价格预测研究
摘要
随着经济的发展，中国股票市场的规模持续扩大，早已成为金融投资的重要部分，掌握股票市场的变化规律无论是对监管者还是投资者都具有极其重要的意义。正因如此，人们不断探索着股票市场的变化规律，其中使用深度学习预测股价是当前国内国际研究与应用的热点。
本文首先从有效市场假说和分形市场假说两个角度讨论了中国股票市场的有效性，说明股票市场具有复杂的非线性特征。其次，结合股票市场特征对比了当前的预测方法，认为深度学习在股价预测中更具优势。接着，基于深度学习中的长短期记忆网络进行股价预测实验。通过对比试验，本文得出了长短期记忆网络在预测股价方面比三层全连接网络更有实际意义的结论，同时发现了多日数据作为输入变量较单日数据更加准确，增加训练数据在一定程度上能提高准确率，且模型的预测准确率能达到68%。最后，本文重新选取了10支股票进行预测，以此进一步验证模型的效果。预测结果的平均准确率为62%，且能为绝大多数股票带来了正向效益，说明了模型具有适应性，进一步证明了深度学习在股价预测方面的意义。
关键词：股价预测；人工神经网络；深度学习；长短期记忆网络
Abstract
Withthedevelopmentofeconomy,thescaleofChinasstockmarketcontinuestoexpand,whichhasalreadybecomeanimportantpartoffinancialinvestment.Itisofgreatsignificanceforbothregulatorsandinvestorstomasterthechangingrulesofthestockmarket.
Firstly,thispaperdiscussestheefficiencyofChinasstockmarketonthebasisofefficientmarkethypothesisandfractalmarkethypothesis,whichshowsthatthestockmarkethascomplexnonlinearcharacteristics.Secondly,combiningwiththecharacteristicsofthestockmarket,thispapercomparesthecurrentforecastingmethods.Obviouslydeeplearninghasmoreadvantagesinstockpriceforecasting.Then,thestockpricepredictionexperimentiscarriedoutbasedonLongShort-termMemoryNetwork(LSTM)indeeplearning.ThepredictionresultsshowthatLSTMismoremeaningfulthanthe3-layerfullyconnectednetworkinpredictingthestockprice.Thepredictionaccuracyofthemodelcanreach68%,andithascertainpredictionability.Finally,thispaperselects10morestocksforprediction,withanaverageaccuracyof62%.Thepredictionofthemodelbringspositivebenefitsto9stocksoutof10,whichindicatesthatthemodelhasapplicabilityandfurtherprovesthesignificanceofdeeplearninginstockpriceprediction.
Keywords:StockPriceForecasting；ANN；DeepLearning；LSTM
目录
TOC\o1-3\h\z\u摘要 I
Abstract II
目录 III
第1章绪论 1
1.1课题背景及研究的目的和意义 1
文档评论（0）