深度学习在行业指数技术分析中的应用研究.pdf

万方数据
深度学****在行业指数技术分析中的应用研究言管理评论泄蒲Ъ际醮笱Ч芾硌г海戏摘要：随着全球经济和金融市场的发展，金融资产的价量特征呈现出非线性化演进趋势。考虑到深度学****技术在复杂非线性系统建模方面的优势，越来越多的研究者将深度学不断增大。在这一背景下，有研究者指出，金融数据的实证研究范式正在逐渐从线性模型向非线性模型转变，深度学****为非线性模型下的定量研究提供了有力工具‘���。国内外学者使用深度学****技术对经济金融数据进行分析，开展了一系列前瞻性研究。黄伟伦¨刮使用深度学****模型分析股票技术指标及基本面指标，对我国台湾地区股市进行了实证研究。���蚐�����用深度神经网络对谷歌公司股票进行技术分析，比较准确地预测了股票日频价格。骆双骏¨驯建立了基于深度综述来看，深度学****在金融数据分析中的应用研究方兴未艾，基于深度学****的技术指标分析方法存在重要的应用价值和研究空间。综合上述分析及文献综述结果，�墒谐≈械募际醴治龇椒ㄊ且幌罹弑秆芯考壑岛褪涤们熬暗目翁猓��度学****算法为技术分析提供了一种新的实现路径，有望提升技术分析的效果。本文应用深度学****算法分析行业指数的技术指标，预测行业指数涨跌情况，对�尚幸抵甘��萁�辛瞬馐苑治觥１疚拇葱碌阒饕L逑衷�以下三个方面：①相对于��却�吃げ饽Ｐ停�疚囊�氲腄�模型具有更强的学****能力，适用于处理大规模金融数据，可以提高预测准确率；②相对��等传统人工神经网络，本文引入的��Ｐ途哂懈�康目�效果；③将二维双向主成分分析技术应用到技术指标预处理环节，在保留数据主要特征的情况下，有效压缩数据维度，从而降低了神经网络的复杂度。深度学****模型起源于人工神经网络研究，该模型使用多个层级的人工神经节点，提取数据的抽象特征和��中用到的反向传播��算法为训练��峁┝擞辛�ぞ撸籇�是最基本的深度学****模型，�����荄�的变种形式。具体来说，��与全连接��谕�缃峁股鲜窍嗨频模坏�牵��车腂��谘�结构具有更强的扩展性，在训练过程中使用了预训练技术，可以大大加深网络层数，从而获得更强的预测能力。��Ｓ糜诖�硗枷袷�荩��贒�的基础上引入了卷积核，并在卷积核内共用线性映射系数，从而利间点上共用线性映射系数，从而利用了数据的时间自相关性。考虑到指数行情数据的自相关性仍有待检验，本文使用��约际踔副杲�蟹治觥Ｔ诤笮�芯恐校�山�徊窖芯緾�或��饶Ｐ投灾甘�脑げ庑Ч����，����岽�硪桓鍪淙胍蜃印１疚闹校�淙胍蜃邮切幸抵甘�际踔副甑闹鞒煞址治���因子，构造方法将在下文展开论述。输出层包含�鼋诘悖�扛鼋诘鉟。��，����檀�硪恢终堑�嘈汀１疚闹校��业指数的涨跌类型被划分为�郑�嘤Φ暮�宸直鹞4笳恰⑽⒄恰⑿》�鸬础⑽⒌�⒋蟮�１疚氖褂玫腄�模这些节点代表��闹屑湓怂憬峁�＝�幸抵甘�腜�因子输入到��校���幌盗屑扑悖�纯稍げ庑�业指数的涨跌类型。该节点由输人层的所有节点�辍＃瑉：，⋯，戈Ⅳ��咝员浠弧⒓だ���讲郊扑悴��Ｆ渲校�咝员浠坏南凳���簎��，���琈，�募扑惚泶锸饺缦拢���使学****技术的黄金期货价格预测系统，应用长短期记忆模型和门限循环单元模型来预测���平鹌诨跫�格。郑子彬等¨引以财经新闻数据和技术指标为特征向量，使用深度学****模型对股市走势进行预测。从文献拓展性，通过预训练等技术可以实现更深的网络层数，并且能够根据应用