李双双：基于长短期记忆神经网络的证券选择论文

本文主要研究内容

作者李双双（2019）在《基于长短期记忆神经网络的证券选择》一文中研究指出：本文主要利用机器学习中的长短期记忆神经网络模型进行建模,分别从技术分析和基本分析两个不同的层面来研究中国证券市场的投资优化选择及其投资收益问题.从技术分析的层面出发,首先选取上海证券交易所中100家上市公司,又选取了每家上市公司的7个交易数据及其常用的10个技术分析指标;其次利用主成分分析法对17个指标进行降维处理,得到3个综合特征变量.然后使用主成分结果作为长短期记忆神经网络的输入,收益率作为目标输出,不断地训练网络,从而得到了依据长短期记忆神经网络构建的预测模型.最后利用我们所建立的网络模型模拟投资了 32天,累计收益率达到0.1007,比已有研究的结果分别提高了 158.2%和21.4%.另一方面,从基本分析角度出发,同样从100家上市公司中以11个财务数据指标为分析依据,得到基于主成分分析和长短期记忆神经网络的预测模型.通过两年半的模拟投资,累计收益率和夏普比率分别达到0.7938和0.4721,和已有研究的结果相比,投资两年半累计收益率相差不大,但风险降低了很多.总之,本文所用到的预测模型比已有研究的结果好很多,具有很高的实用价值。

Abstract

ben wen zhu yao li yong ji qi xue xi zhong de chang duan ji ji yi shen jing wang lao mo xing jin hang jian mo ,fen bie cong ji shu fen xi he ji ben fen xi liang ge bu tong de ceng mian lai yan jiu zhong guo zheng quan shi chang de tou zi you hua shua ze ji ji tou zi shou yi wen ti .cong ji shu fen xi de ceng mian chu fa ,shou xian shua qu shang hai zheng quan jiao yi suo zhong 100jia shang shi gong si ,you shua qu le mei jia shang shi gong si de 7ge jiao yi shu ju ji ji chang yong de 10ge ji shu fen xi zhi biao ;ji ci li yong zhu cheng fen fen xi fa dui 17ge zhi biao jin hang jiang wei chu li ,de dao 3ge zeng ge te zheng bian liang .ran hou shi yong zhu cheng fen jie guo zuo wei chang duan ji ji yi shen jing wang lao de shu ru ,shou yi lv zuo wei mu biao shu chu ,bu duan de xun lian wang lao ,cong er de dao le yi ju chang duan ji ji yi shen jing wang lao gou jian de yu ce mo xing .zui hou li yong wo men suo jian li de wang lao mo xing mo ni tou zi le 32tian ,lei ji shou yi lv da dao 0.1007,bi yi you yan jiu de jie guo fen bie di gao le 158.2%he 21.4%.ling yi fang mian ,cong ji ben fen xi jiao du chu fa ,tong yang cong 100jia shang shi gong si zhong yi 11ge cai wu shu ju zhi biao wei fen xi yi ju ,de dao ji yu zhu cheng fen fen xi he chang duan ji ji yi shen jing wang lao de yu ce mo xing .tong guo liang nian ban de mo ni tou zi ,lei ji shou yi lv he xia pu bi lv fen bie da dao 0.7938he 0.4721,he yi you yan jiu de jie guo xiang bi ,tou zi liang nian ban lei ji shou yi lv xiang cha bu da ,dan feng xian jiang di le hen duo .zong zhi ,ben wen suo yong dao de yu ce mo xing bi yi you yan jiu de jie guo hao hen duo ,ju you hen gao de shi yong jia zhi 。

论文参考文献

[1].结合Relief算法基于神经网络与支持向量机的股价指数预测研究[D]. 董畅.山东大学2019

[2].神经网络expectile回归模型及应用[D]. 姜明.合肥工业大学2018

[3].基于卷积神经网络的期权价格预测[D]. 徐颖.东南大学2018

[4].基于深度学习算法的上市公司投资决策支持模型研究[D]. 张佳禹.辽宁师范大学2018

[5].基于深度强化学习的量化交易研究[D]. 熊礼东.电子科技大学2019

[6].基于神经网络的股票预测模型[D]. 郜星军.广西大学2019

[7].LSTM神经网络在股票投资选择中的应用研究[D]. 周明震.西北民族大学2019

[8].NAR神经网络及EMD算法在量化交易中的应用[D]. 江浩.深圳大学2018

[9].基于卷积神经网络的股票预测[D]. 王宇轩.天津工业大学2019

[10].深度学习在股指预测中的应用[D]. 薛腾腾.浙江工业大学2018

读者推荐

[1].基于小波神经网络与支持向量机的股票预测及优化[D]. 汪志峰.安庆师范大学2019

[2].基于LSTM的股票预测研究[D]. 林升.广州大学2019

[3].基于LSTM混合模型的金融时间序列预测研究[D]. 王锦涛.郑州大学2019

[4].高速列车车轴故障预警与诊断方法研究[D]. 谭思雨.西安理工大学2019

[5].基于智能混合模型对我国短期风速预测的实证研究[D]. 付玉婷.兰州大学2019

[6].基于深度学习的多因子股票价格预测方法研究[D]. 裴大卫.中国科学技术大学2019

[7].基于时间序列的电网运行参数预测方法研究与应用[D]. 姜雨寒.山东大学2019

[8].基于长短期记忆网络的事件抽取研究与应用[D]. 陈斌.中国矿业大学2019

[9].基于长短期记忆神经网络的收益率预测研究[D]. 付泉.山东大学2019

[10].LSTM神经网络在股票价格趋势预测上的应用[D]. 邓凤欣.广东外语外贸大学2018

论文详细介绍

论文作者分别是来自郑州大学的李双双，发表于刊物郑州大学2019-07-03论文，是一篇关于机器学习论文,主成分分析论文,长短期记忆神经网络论文,基本分析论文,技术分析论文,郑州大学2019-07-03论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自郑州大学2019-07-03论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

标签：机器学习论文; 主成分分析论文; 长短期记忆神经网络论文; 基本分析论文; 技术分析论文; 郑州大学2019-07-03论文;

李双双：基于长短期记忆神经网络的证券选择论文

本文主要研究内容

Abstract

论文参考文献

论文详细介绍

猜你喜欢