基于LSTM的商品期货高频数据趋势预测模型的研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 引言 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的意义 | 第10页 |
| 1.3 研究方法与工具 | 第10页 |
| 1.4 研究内容 | 第10-12页 |
| 1.5 研究创新点 | 第12-13页 |
| 第二章 国内外的文献综述 | 第13-20页 |
| 2.1 国外研究综述 | 第13-15页 |
| 2.2 国内研究综述 | 第15-18页 |
| 2.3 总结 | 第18-20页 |
| 第三章 期货市场微观结构分析 | 第20-29页 |
| 3.1 报价驱动市场和订单驱动市场 | 第20页 |
| 3.2 期货合约 | 第20页 |
| 3.3 高频交易 | 第20-21页 |
| 3.4 交易策略 | 第21-22页 |
| 3.5 期货市场微观结构分析 | 第22-29页 |
| 3.5.1 价格变化 | 第22-25页 |
| 3.5.2 订单簿分析 | 第25-26页 |
| 3.5.3 订单簿不平衡和短期价格变化的关系 | 第26-27页 |
| 3.5.4 成交量 | 第27-29页 |
| 第四章 模型的建立 | 第29-48页 |
| 4.1 长短期记忆(LSTM)算法介绍 | 第29-34页 |
| 4.1.1 神经网络(NN) | 第29-30页 |
| 4.1.2 循环神经网络(RNN) | 第30-32页 |
| 4.1.3 长短期记忆(LSTM)循环神经网络 | 第32-33页 |
| 4.1.4 总结 | 第33-34页 |
| 4.2 输入数据 | 第34-41页 |
| 4.2.1 数据概述 | 第34页 |
| 4.2.2 数据预处理 | 第34-39页 |
| 4.2.3 数据不平衡 | 第39-40页 |
| 4.2.4 数据输入输出结构 | 第40-41页 |
| 4.2.5 训练集、验证集、测试集 | 第41页 |
| 4.3 损失函数 | 第41-43页 |
| 4.4 优化算法 | 第43-46页 |
| 4.4.1 牛顿法与拟牛顿法 | 第43页 |
| 4.4.2 梯度下降法 | 第43-46页 |
| 4.5 模型结构 | 第46-48页 |
| 第五章 模型的训练与评估 | 第48-57页 |
| 5.1 实验环境 | 第48-49页 |
| 5.1.1 硬件环境 | 第48页 |
| 5.1.2 软件环境 | 第48-49页 |
| 5.2 模型的训练 | 第49-52页 |
| 5.2.1 超参数调节 | 第50-51页 |
| 5.2.2 集成学习 | 第51-52页 |
| 5.3 模型的评估 | 第52-54页 |
| 5.4 效果回测 | 第54-57页 |
| 5.4.1 回测策略 | 第54-55页 |
| 5.4.2 回测效果 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
