基于趋势因子预处理和循环神经网络的股指预测研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究综述 | 第13-22页 |
| 1.2.1 金融预测 | 第13-15页 |
| 1.2.2 神经网络与金融预测 | 第15-19页 |
| 1.2.3 趋势预测 | 第19-21页 |
| 1.2.4 总体评价 | 第21-22页 |
| 1.3 研究内容 | 第22-23页 |
| 1.4 创新点 | 第23-24页 |
| 第2章 预测模型构建的相关理论基础 | 第24-42页 |
| 2.1 神经网络基础 | 第24-30页 |
| 2.1.1 神经网络结构 | 第24-26页 |
| 2.1.2 神经网络的训练 | 第26-30页 |
| 2.1.3 神经网络在金融预测中的优劣势 | 第30页 |
| 2.2 循环神经网络 | 第30-36页 |
| 2.2.1 简单循环神经网络 | 第30-32页 |
| 2.2.2 长短时记忆模型 | 第32-34页 |
| 2.2.3 门限神经单元 | 第34-36页 |
| 2.3 深度学习 | 第36-41页 |
| 2.3.1 表示学习 | 第36页 |
| 2.3.2 正则化 | 第36-37页 |
| 2.3.3 深度神经网络的训练 | 第37-41页 |
| 2.4 小结 | 第41-42页 |
| 第3章 基于趋势因子的预处理 | 第42-52页 |
| 3.1 样本描述 | 第42-43页 |
| 3.1.1 数据来源 | 第42页 |
| 3.1.2 属性描述 | 第42-43页 |
| 3.2 定义输出变量 | 第43-46页 |
| 3.2.1 五日收益率 | 第43-44页 |
| 3.2.2 异常值处理 | 第44-45页 |
| 3.2.3 确定趋势的类标签 | 第45-46页 |
| 3.3 提取趋势因子 | 第46-50页 |
| 3.4 趋势因子离散化 | 第50-51页 |
| 3.5 小结 | 第51-52页 |
| 第4章 基于循环神经网络的股指趋势预测模型 | 第52-61页 |
| 4.1 数据准备 | 第52-53页 |
| 4.1.1 输入变量 | 第52页 |
| 4.1.2 标准化 | 第52-53页 |
| 4.1.3 输出变量 | 第53页 |
| 4.2 定义网络结构 | 第53-55页 |
| 4.2.1 网络层类型 | 第54页 |
| 4.2.2 输入层与输出层 | 第54页 |
| 4.2.3 隐层 | 第54-55页 |
| 4.3 训练 | 第55-56页 |
| 4.3.1 初始化 | 第55-56页 |
| 4.3.2 损失函数 | 第56页 |
| 4.3.3 优化器 | 第56页 |
| 4.4 结果分析 | 第56-60页 |
| 4.4.1 评价指标 | 第56-57页 |
| 4.4.2 结果对比 | 第57-59页 |
| 4.4.3 总体评价 | 第59-60页 |
| 4.5 小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 主要结论 | 第61-62页 |
| 研究展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录A 网络模型的部分代码 | 第68-69页 |
| 致谢 | 第69页 |
