首页--经济论文--财政、金融论文--金融、银行论文--中国金融、银行论文--金融市场论文

深度学习在股指预测中的应用

摘要第3-4页
ABSTRACT第4-5页
第一章 绪论第8-14页
    1.1 研究背景及意义第8-9页
    1.2 国内外研究现状第9-11页
        1.2.1 国外研究现状第9-11页
        1.2.2 国内研究现状第11页
    1.3 研究内容第11-12页
    1.4 本文的结构与创新第12-14页
第二章 股价分析的基本理论与方法第14-20页
    2.1 影响股价的因素第14-15页
    2.2 股价预测的难处第15-16页
    2.3 股价分析的常用方法第16-19页
        2.3.1 基本面分析法第16-17页
        2.3.2 技术分析法第17-19页
    2.4 本章小结第19-20页
第三章 循环神经网络模型研究第20-38页
    3.1 传统循环神经网络模型第20-29页
        3.1.1 传统循环神经网络模型原理第20-23页
        3.1.2 网络激活函数简介第23-26页
        3.1.3 网络损失函数简介第26-29页
    3.2 传统循环神经网络模型的局限性第29页
    3.3 LSTM结构介绍第29-31页
    3.4 基于循环神经网络模型的实验分析第31-37页
        3.4.1 股指数据介绍第31-34页
        3.4.2 循环神经网络模型的股指价格预测表现第34-37页
    3.5 本章小结第37-38页
第四章 基于注意力机制的LSTM结构研究第38-47页
    4.1 编码-解码神经网络原理第38-39页
    4.2 基于注意力机制的LSTM模型原理第39-43页
    4.3 基于注意力机制的LSTM模型的实验分析第43-46页
        4.3.1 基于注意力机制的LSTM模型的股指价格预测表现第43-44页
        4.3.2 以上几种模型的股指价格预测误差比较第44-46页
    4.4 本章小结第46-47页
第五章 结论与展望第47-49页
    5.1 结论第47页
    5.2 展望第47-49页
参考文献第49-52页
致谢第52-53页
攻读学位期间参加的科研项目和成果第53页

论文共53页,点击 下载论文
上一篇:用于柔顺关节的磁流变液传动装置设计与实验研究
下一篇:面向深度学习的自适应激活函数的研究