基于深度学习股票价格波动预测的研究

《基于深度学习股票价格波动预测的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）基于深度学习股票价格波动预测的研究硕士研究生：李洪强指导教师：王科俊教授企业导师：张博实教授工程领域：控制工程论文主审人：冯伟兴教授哈尔滨工程大学2018年5月分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）基于深度学习股票价格波动预测的研究硕士研究生：李洪强指导教师：王科俊教授学位级别：工程硕士工程领域：控制工程所在单位：自动化学院论文提交日期：2018年5月论文答辩日期：2018年6月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationforthePro

2、fessionalDegreeofMaster（MasterofEngineering）ResearchonPredictionofStockPriceFluctuationsBasedonDeepLearningCandidate:LiHongqiangSupervisor:Prof.WangKejunAcademicDegreeAppliedfor:MasterofEngineeringEngineeringField:ControlEngineeringDateofSubmission:May.,2018DateofOralExamination:Jun.,2

3、018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的

4、知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日摘要股票为市场经济的产物，随着国家经济的不断发展，股票交易在金

5、融市场中有着重要的意义。由于股票具有高风险和高收益的特点，股票的涨幅将直接影响投资者的利益，因此对股票价格未来走势的预测具有可观的应用价值。股票市场具有较强的随机性，各种因素错综复杂、主次关系变化不定，股票价格不仅受买卖双方、投资者的主观意识等因素影响，同时也与国内外重要的政治事件、国家重大经济政策、国际形势变化、战争影响有直接关系，而这些重要信息一般会以新闻的形势发布，因此在股票预测中加入新闻因素的影响，可以提高模型对股票价格未来走势预测的准确性。本文将股票历史价格波动数据和股票公司相关的新闻信息融合并进行分析。由于股市具有高阶非线性特点，而传统时间序列模型很难解

6、决高阶非线性问题，通过对预测方法的大量分析，深度学习可以解决高阶非线性问题而且在训练过程中避免了传统人工神经网络在训练时出现的过拟合问题。因此本文将采用深度学习网络模型对股票市场未来的走势进行预测。本文的主要研究工作如下：1、数据库的建立及预处理：实验的数据库分为两部分，一部分为有关苹果公司及相关科技公司的新闻信息，另一部分为苹果公司股票价格的历史数据。两部分数据集将通过爬虫的方法在网络上进行爬取。由于模型的输入只能是数字特征向量，所以需要将新闻信息使用NLP进行特征向量的转换，并对数据库进行预处理。2、应用CNN对股票价格波动进行预测：由于CNN具有权值共享和局部

7、感知的特性，有效的减少了参数量，可以避免过拟合现象的发生。实验中将采用CNN对股票价格波动进行预测。验证卷积神经网络模型对股票价格波动预测的准确度优于传统时间序列ARIMA模型对股票价格波动预测的准确度；并分别对滑动窗口长度选择及新闻的文本处理方式的不同都会对股票价格波动预测的精度有所影响。3、应用LSTM对股票价格波动进行预测：实验中应用LSTM网络对股票价格波动进行预测。验证了LSTM网络对股票价格波动的预测优于CNN神经网络对股票价格波动预测的精度；并且验证了新闻信息对股票价格波动预测效果有促进作用，同时相关公司新闻的种类越多、数据量越充分，股票价格预测的