基于深度学习的股票预测方法的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-16页 |
| 第二章 相关技术介绍 | 第16-28页 |
| 2.1 Web数据采集技术 | 第16-18页 |
| 2.2 股票分析技术 | 第18-19页 |
| 2.2.1 技术分析方法 | 第18页 |
| 2.2.2 基本分析方法 | 第18-19页 |
| 2.3 深度学习技术 | 第19-25页 |
| 2.3.1 深度学习概念 | 第19-20页 |
| 2.3.2 感知机 | 第20-21页 |
| 2.3.3 深度前馈神经网络(FFDN) | 第21-22页 |
| 2.3.4 深度循环神经网络(DRNN) | 第22-23页 |
| 2.3.5 深度神经网络激活函数 | 第23-24页 |
| 2.3.6 神经网络优化算法 | 第24-25页 |
| 2.4 深度学习框架 | 第25-26页 |
| 2.4.1 TensorFlow | 第25-26页 |
| 2.4.2 Keras | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 股票数据采集 | 第28-36页 |
| 3.1 股票数据采集概述 | 第28页 |
| 3.2 股票行情数据采集 | 第28-30页 |
| 3.2.1 股票行情数据 | 第28页 |
| 3.2.2 TuShare财经数据接口包 | 第28-29页 |
| 3.2.3 股票行情数据存储结构 | 第29-30页 |
| 3.2.4 股票行情数据增量式更新 | 第30页 |
| 3.3 基于Selenium的新闻数据采集 | 第30-34页 |
| 3.3.1 股票相关新闻 | 第30-31页 |
| 3.3.2 使用HTTP采集新闻数据 | 第31页 |
| 3.3.3 基于Selenium采集新闻数据 | 第31-33页 |
| 3.3.4 新闻数据存储结构 | 第33-34页 |
| 3.3.5 新闻采集方法验证 | 第34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于技术指标的深度股票预测模型 | 第36-54页 |
| 4.1 模型概述 | 第36页 |
| 4.2 股票技术指标特征 | 第36-38页 |
| 4.2.1 威廉指标 | 第36-37页 |
| 4.2.2 KD指标 | 第37页 |
| 4.2.3 MACD指标 | 第37-38页 |
| 4.2.4 RSI指标 | 第38页 |
| 4.3 数据预处理方法 | 第38-39页 |
| 4.3.1 最大最小标准化 | 第39页 |
| 4.3.2 Z-score标准化 | 第39页 |
| 4.4 滑动时间窗口构建学习样本 | 第39-41页 |
| 4.5 基于技术指标的深度股票走势预测模型 | 第41-46页 |
| 4.5.1 TFFDN模型神经网络结构 | 第41-42页 |
| 4.5.2 TDRNN模型神经网络结构 | 第42-43页 |
| 4.5.3 模型的损失函数 | 第43-44页 |
| 4.5.4 Softmax回归以及优化 | 第44-46页 |
| 4.5.5 模型训练过程 | 第46页 |
| 4.6 支持向量机模型 | 第46-47页 |
| 4.7 实验及分析 | 第47-51页 |
| 4.7.1 实验数据 | 第48页 |
| 4.7.2 评价指标 | 第48-49页 |
| 4.7.3 实验及结果分析 | 第49-51页 |
| 4.8 本章小结 | 第51-54页 |
| 第五章 多类别新闻事件深度股票预测模型 | 第54-70页 |
| 5.1 模型概述 | 第54页 |
| 5.2 文本预处理方法 | 第54-55页 |
| 5.2.1 中文文本分词 | 第54-55页 |
| 5.2.2 停用词去除 | 第55页 |
| 5.3 TFIDF词袋模型特征 | 第55-56页 |
| 5.4 多类别新闻事件特征 | 第56-62页 |
| 5.4.1 新闻事件定义 | 第56-57页 |
| 5.4.2 新闻事件类别 | 第57-58页 |
| 5.4.3 新闻事件抽取方法 | 第58-59页 |
| 5.4.4 新闻事件影响分析 | 第59-62页 |
| 5.5 模型结构 | 第62页 |
| 5.6 实验及分析 | 第62-66页 |
| 5.6.1 实验数据 | 第62页 |
| 5.6.2 数据处理 | 第62-64页 |
| 5.6.3 评价指标 | 第64-65页 |
| 5.6.4 实验过程及结果 | 第65-66页 |
| 5.6.5 结果分析 | 第66页 |
| 5.7 使用模型构建股票投资策略 | 第66-67页 |
| 5.8 本章小结 | 第67-70页 |
| 第六章 结论与展望 | 第70-72页 |
| 6.1 论文工作总结 | 第70页 |
| 6.2 问题与展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74-76页 |
| 攻读学位期间取得的研究成果 | 第76页 |
