【主成分分析法在股票市场预测中的应用与挑战13000字论文】.pdfVIP

主成分分析法在股票市场预测中的应用与挑战

摘要

金融数据纷繁复杂，新冠疫情期间关于股票波动的消息更是频繁出现在热搜榜中，备

受关注。股票市场是一个复杂的非线性系统，而深度神经网络(DNN)恰具有强大的处

理非线性数据功能。因此本文将以深度神经网络(DNN)为工具对股票市场个股走势进

行预测分析。

本文首先通过分析随机择三支股票，取其价格等因子进行归一化，再使用主成分

分析法提取特征数据，得出特征提取的方法用于金融数据无法产生很好的特征表达的结

论；其次以深度神经网络为基础的学习中，得出目标函数以归一化均方差(NMSE)为标准

是最佳模型结构，模型的预测)隹确率较高的结论；最后本文构建的LSTM-DNN的预测效

果良好，对股票的上升行情、下跌行情、震荡行情还是总体行情都有一个比较直观的图像

体现，这对进行量化投资有一定的实践价值。

关键词

深度神经网络；长短期记忆网络；主成分分析法；金融数据；量化投资

目录

—、绪论1

㈠研究背景1

1.金融数据交易1

2.