基于卷积神经网络的沪深300指数预测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-11页 |
| 1.3 主要研究工作 | 第11-13页 |
| 第二章 股票市场与神经网络概述 | 第13-23页 |
| 2.1 股票市场背景知识介绍 | 第13-17页 |
| 2.1.1 国内股票市场的特点 | 第14-15页 |
| 2.1.2 评价股票的主要指标 | 第15-17页 |
| 2.2 股票预测方法总结 | 第17-18页 |
| 2.3 深度学习和神经网络背景知识介绍 | 第18-22页 |
| 2.3.1 深度学习和神经网络简介 | 第18-21页 |
| 2.3.2 卷积神经网络简介 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 数据预处理和相关分析 | 第23-38页 |
| 3.1 数据介绍 | 第23-24页 |
| 3.2 训练目标及数据标签的确定 | 第24-25页 |
| 3.3 特征工程 | 第25-31页 |
| 3.3.1 各类数据相关性的分析 | 第25-26页 |
| 3.3.2 特征选择 | 第26-29页 |
| 3.3.3 特征提取 | 第29页 |
| 3.3.4 特征构建 | 第29-31页 |
| 3.4 数据的降维 | 第31-36页 |
| 3.4.1 降维方法介绍 | 第31-33页 |
| 3.4.2 降维过程及结果展示 | 第33-35页 |
| 3.4.3 关于PCA的一些讨论 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 CNN网络模型的搭建与评估 | 第38-62页 |
| 4.1 开发环境和CNN模型介绍 | 第38-39页 |
| 4.2 模型的搭建与调优 | 第39-52页 |
| 4.2.1 关于正则化的讨论 | 第42-46页 |
| 4.2.2 关于模型深度的讨论 | 第46-48页 |
| 4.2.3 关于优化器的讨论 | 第48-50页 |
| 4.2.4 关于卷积核数目的讨论 | 第50页 |
| 4.2.5 关于训练数据的讨论 | 第50-52页 |
| 4.3 训练结果展示及讨论 | 第52-58页 |
| 4.3.1 预测下一分钟涨跌幅 | 第53-55页 |
| 4.3.2 预测未来5分钟的累积涨跌幅 | 第55-58页 |
| 4.4 残差网络的应用与对比 | 第58-59页 |
| 4.5 多进程的应用及讨论 | 第59-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 CNN与其他机器学习方法的比较 | 第62-66页 |
| 5.1 与其他机器学习方法的比较 | 第62-65页 |
| 5.2 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70页 |
