| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 股票预测研究的背景与意义 | 第10-11页 |
| 1.2 股票预测研究现状综述 | 第11-13页 |
| 1.2.1 基本面分析方法 | 第11页 |
| 1.2.2 技术分析方法 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 论文的行文结构 | 第14-16页 |
| 第二章 相关研究综述 | 第16-28页 |
| 2.1 金融时间序列模型 | 第16-18页 |
| 2.2 深度学习模型 | 第18-24页 |
| 2.2.1 卷积神经网络 | 第18-20页 |
| 2.2.2 循环神经网络 | 第20-22页 |
| 2.2.3 长短期记忆模型 | 第22-24页 |
| 2.3 情感分析模型 | 第24-26页 |
| 2.4 分类算法概述 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于LSTM的股票行情预测模型 | 第28-53页 |
| 3.1 导言 | 第28-29页 |
| 3.2 基于时间序列的经典模型 | 第29-33页 |
| 3.2.1 股票时序的基本定义 | 第29-30页 |
| 3.2.2 趋势关键点的选取 | 第30-33页 |
| 3.3 基于LSTM的改进模型 | 第33-40页 |
| 3.3.1 基于LSTM的时间序列建模 | 第33-35页 |
| 3.3.2 融合基本情感特征的LSTM模型 | 第35-40页 |
| 3.4 实验结果分析 | 第40-52页 |
| 3.4.1 实验数据集 | 第40-43页 |
| 3.4.2 实验结果的对比与分析 | 第43-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 融合深度情感特征的股票预测模型 | 第53-66页 |
| 4.1 导言 | 第53-54页 |
| 4.2 融合深度情感特征的股票预测模型 | 第54-57页 |
| 4.2.1 基于卷积神经网络的情感分类模型 | 第54-55页 |
| 4.2.2 基于LSTM和深度情感特征的股票行情预测模型 | 第55-57页 |
| 4.3 多信息源的融入与改进 | 第57-58页 |
| 4.3.1 模型原理 | 第57-58页 |
| 4.3.2 模型构建 | 第58页 |
| 4.4 实验结果及其分析 | 第58-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |