深度学习在量化投资中的应用被引量：4

在线阅读下载PDF

导出

摘要本文研究股票价格趋势的预测问题,并给出基于深度学习的股票价格趋势预测方法。构建深度学习网络模型,对沪深300股票指数高频数据进行训练学习并做出涨跌预测。研究表明,本文所设计的深度学习算法在股票价格趋势预测问题上有较好的数据特征抽取能力,能够反映样本的本质特征,并取得比较好的预测结果。

作者李文鹏高宇菲钱佳佳陈曦

机构地区西安工程大学西安财经学院

出处《统计与管理》 2017年第8期104-106,共3页 Statistics and Management

关键词深度学习神经网络沪深300 股票指数 TensorFlow

分类号 F830.91 [经济管理—金融学]

作者简介西安工程大学2015级硕士研究生西安财经学院2015级硕士研究生;西安工程大学2015级硕士研究生西安财经学院2015级硕士研究生;西安工程大学2015级硕士研究生西安财经学院2015级硕士研究生;西安工程大学2015级硕士研究生西安财经学院2015级硕士研究生

引文网络
相关文献

参考文献6

1蔡敬梅,强林飞,周海鹏.中国股指期货与股票市场波动性关系的实证分析[J].统计与信息论坛,2013,28(1):59-64. 被引量：17
2梅端,张文.基于BP神经网络的沪深300股指期货价格预测[J].中国市场,2013(30):121-122. 被引量：6
3刘道文,樊明智.基于支持向量机股票价格指数建模及预测[J].统计与决策,2013,29(2):76-78. 被引量：12
4魏文轩.改进型RBF神经网络在股票市场预测中的应用[J].统计与决策,2013,29(15):70-72. 被引量：10
5董理,王中卿,熊德意.基于文本信息的股票指数预测[J].北京大学学报（自然科学版）,2017,53(2):273-278. 被引量：14
6谢铭杰,韩兆洲.直线型无量纲化方法的局限性[J].统计与决策,2005,21(03S):130-130. 被引量：12

二级参考文献33

1蒋晓辉,刘昌明.基于小波分析的径向基神经网络年径流预测[J].应用科学学报,2004,22(3):411-414. 被引量：29
2杨淑娥,黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论与实践,2005,25(1):12-18. 被引量：210
3李华,程婧.股指期货推出对股票市场波动性的影响研究——来自日本的实证分析[J].金融与经济,2006(2):81-83. 被引量：72
4史峰,王小川,郁磊,等.Matlab30个神经网络案例分析[M].北京:北京航空航天大学出版社,2010.
5Marin F.J., Garcia-Lagos, F., Joya G., Sandoval, F. Global Model for Short-term Load Forecasting Using Artificial Neural Networks[C]. Generation, Transmission and Distribution, IEE Proceedings,2002.
6Hiroyuki Mori, Shouichi Urano. Short-Term Load Forecasting with Chaos Time Series Analysis [C]. International Conference on Intelli- gent Systems Applications to Power Systems, ISAP'96,1996.
7Cben TP, Lin Q. New Algorithm for Pincipal Component and Minor Component Extraction[J].Journal of Fudan University (Natural Sci- ence),1997,36(2).
8杨俊.基于核主成分分析和径向基神经网络的文本分类研究[J].中国科学技术大学,2009,(5).
9Moody JE, Darken C. Fast Learning in Networks of Locally Tuned Pro- cessing Units[J].Neural Computation,1989,1 (2).
10Robert J, Schilling James, Carroll J. Approximation of Nonlinear Sys- tems with Radial Basis Function Neural Networks. IEEE Trans[J].on Neural N etworks,2001,12( 1 ).

共引文献64

1李光,吴祈宗.基于结论一致的综合评价数据标准化研究[J].数学的实践与认识,2011,41(3):72-77. 被引量：31
2丁小东,徐菱,姚志刚.基于DEA方法中国交通运输行业绩效评价[J].武汉理工大学学报,2011,33(3):77-81. 被引量：25
3张萌萌,王亚华,柴明堂,李大林.人口城市化与土地城市化协调关系研究——以南京市为例[J].安徽农业科学,2011,39(28):17450-17452. 被引量：16
4赵长城,耿钗.基于神经网络模型的股票预测与研究[J].经济研究导刊,2014(10):97-99.
5景海霞,寇明婷,武毓涵,王团维,高鸿.信息传递视角下山西省煤炭价格引导分析[J].经济问题,2014(7):113-117.
6张晶华,甘宇健.基于深度学习支持向量机的上证指数预测[J].统计与决策,2019,35(2):176-178. 被引量：9
7余传明,龚雨田,王峰,安璐.基于文本价格融合模型的股票趋势预测[J].数据分析与知识发现,2018,2(12):33-42. 被引量：9
8张振刚,李云健,余传鹏.利用式学习与探索式学习的平衡及互补效应研究[J].科学学与科学技术管理,2014,35(8):162-171. 被引量：29
9郑振龙,郑国忠,张亦春.日内信息结构、羊群行为及风险异化[J].证券市场导报,2014(8):53-59. 被引量：3
10李娜.基于VaR和压力测试方法的我国股指期货价格波动性风险研究[J].西安文理学院学报（社会科学版）,2014,17(5):92-94.

同被引文献32

1杨君岐,孙少乾,乐甲.基于Elman网络的股价预测模型及在浦发银行股票预测中的应用[J].陕西科技大学学报（自然科学版）,2007,25(6):127-130. 被引量：5
2韩普,姜杰.HMM在自然语言处理领域中的应用研究[J].计算机技术与发展,2010,20(2):245-248. 被引量：16
3陈学松,杨宜民.强化学习研究综述[J].计算机应用研究,2010,27(8):2834-2838. 被引量：64
4杨新斌,黄晓娟.基于支持向量机的股票价格预测研究[J].计算机仿真,2010,27(9):302-305. 被引量：14
5肖明,贾振红.基于轮廓特征的HMM手写数字识别[J].计算机工程与应用,2010,46(33):172-174. 被引量：11
6邱启荣,于婷.基于主成分分析的BP神经网络对房价的预测研究[J].湖南文理学院学报（自然科学版）,2011,23(3):24-26. 被引量：13
7白玉洁.改进时间序列模型在降雨量预测中的应用研究[J].计算机仿真,2011,28(10):141-145. 被引量：26
8李腊生,翟淑萍,关敏芳.证券市场收益率分布时变性的经济学分析及其我国的经验证据[J].统计研究,2011,28(11):66-78. 被引量：3
9谢国强.基于支持向量回归机的股票价格预测[J].计算机仿真,2012,29(4):379-382. 被引量：13
10吴微,陈维强,刘波.用BP神经网络预测股票市场涨跌[J].大连理工大学学报,2001,41(1):9-15. 被引量：91

引证文献4

1傅中杰,吴清强.基于隐马尔科夫模型的市场指数量化择时研究[J].厦门大学学报（自然科学版）,2018,57(3):404-412. 被引量：6
2齐岳,黄硕华.基于深度强化学习DDPG算法的投资组合管理[J].计算机与现代化,2018(5):93-99. 被引量：13
3韩山杰,谈世哲.基于TensorFlow进行股票预测的深度学习模型的设计与实现[J].计算机应用与软件,2018,35(6):267-271. 被引量：34
4陈亮亮,邵雄凯,高榕.基于大数据云平台的深度学习预测模型研究[J].软件导刊,2020,19(5):42-47. 被引量：4

二级引证文献57

1王国兰.人工智能算法在股票价格波动规律预测中的应用[J].长春大学学报,2022,32(2):20-23.
2王永乐,马婷艳.基于人工智能的煤炭价格预测研究[J].广西质量监督导报,2020(4):191-191. 被引量：1
3陈晓虎.氧化铝陶瓷摩擦材料制备的初步研究[J].材料导报,2000,14(5):63-65. 被引量：5
4潘磊,王琦,王丹华,范大娟.Dual-Thrust策略在股票量化交易中的实现与应用[J].科技资讯,2018,16(27):17-21. 被引量：1
5彭燕,刘宇红,张荣芬.基于LSTM的股票价格预测建模与分析[J].计算机工程与应用,2019,55(11):209-212. 被引量：82
6滕秀萍,郑伟.面向股票价格趋势预测的深度多元回归模型[J].经济研究导刊,2019,0(21):71-74. 被引量：1
7刘卫华.基于TensorFlow神经网络的数据中心故障预测研究[J].电子测试,2019,30(16):64-65. 被引量：5
8梁昱,李彬彬,陈志高,焦斌.TensorFlow中深度前馈网络优化研究及其轴承故障诊断应用[J].计算机应用与软件,2019,36(10):175-182. 被引量：5
9李琦,韩冰城.基于深度确定性策略梯度的热力站一次侧优化控制[J].科学技术与工程,2019,19(29):193-200. 被引量：5
10赵浩博,李锡祚.基于卷积和循环神经网络模型融合的股票开盘价预测研究[J].智能计算机与应用,2019,9(6):55-58. 被引量：2

1沪深300[J].股市动态分析,2017,0(29):77-77.
2沪深300[J].股市动态分析,2017,0(33):77-77.
3沪深300[J].股市动态分析,2017,0(34):77-77.
4郑旻,金煜纯.股指期货可能面临的问题及防范[J].世界经济情况,2002(13):12-15.
5卢昌崇,王秀中.从股份制的发展看股票指数的改进[J].中国统计,1993(11):31-33. 被引量：1
6何晓晴.股市不再是政策的“阿斗”[J].财经窗,2003(3):30-31.
7水向东.建立我国新股票指数的构想[J].中国流通经济,1998,12(1):42-44. 被引量：1
8胡荣华.降息对股指的影响[J].改革与开放,2002(4):42-42.
9扬啸.2003沪指2000点?1000点?[J].新经济,2003(1):34-39.
10上证综指[J].股市动态分析,2014(10):92-92.

统计与管理

2017年第8期

浏览历史

内容加载中请稍等...

深度学习在量化投资中的应用被引量：4

参考文献6

二级参考文献33

共引文献64

同被引文献32

引证文献4

二级引证文献57

相关作者

相关机构

相关主题

浏览历史

深度学习在量化投资中的应用 被引量：4

参考文献6

二级参考文献33

共引文献64

同被引文献32

引证文献4

二级引证文献57

相关作者

相关机构

相关主题

浏览历史

深度学习在量化投资中的应用被引量：4