- 1
- 0
- 约8.41千字
- 约 16页
- 2026-11-17 发布于上海
- 举报
基于深度学习的股价预测模型研究
一、引言
股价预测是金融领域长期以来备受关注又充满争议的核心议题,小到个人投资者的交易决策,大到机构的资产配置、市场的风险防控,都对可靠的股价预测方法有着强烈的现实需求。传统金融理论框架下的有效市场假说认为,股价已经充分反映所有公开信息,任何投资者都无法通过历史信息获取超额收益,股价序列服从随机游走过程不具备可预测性(Fama,1970)。但随着行为金融理论的发展,大量研究证实市场并非完全有效,投资者的有限注意力、情绪偏差、羊群效应等行为特征会让股价运行存在可被捕捉的规律,这为股价预测的合理性提供了理论支撑。
早期股价预测主要依赖基本面分析、技术分析等主观判断方法,后续逐渐发展出以线性假设为核心的计量经济模型,但这类方法对市场复杂动态的刻画能力有限,预测精度难以满足实践需求。随着数字技术的发展,机器学习方法开始被应用于股价预测领域,但浅层机器学习模型依赖人工特征工程,对高阶非线性关系的捕捉能力不足,应用场景存在明显局限。近年来深度学习技术快速发展,其强大的表征学习能力、非线性拟合能力、多源数据融合能力为解决股价预测的痛点提供了新的可能,相关研究成果不断涌现,也推动量化投资行业进入新的发展阶段。
但当前围绕深度学习股价预测模型的研究仍存在不少误区,部分研究存在脱离金融本质、过度追求模型复杂度、回测过拟合等问题,导致模型在实盘应用中效果大打折扣。本文将从
原创力文档

文档评论(0)