基于长短期记忆神经网络的证券选择

论文摘要

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。

论文目录

• 摘要
• Abstract
• 引言
• 第一章 预备知识
•   1.1 股票投资风险与投资分析方法
•   1.2 主成分分析与因子旋转
•   1.3 长短期记忆神经网络
• 第二章 证券市场的主成分分析与神经网络模型构建
•   2.1 数据说明与预处理
•   2.2 主成分分析
•   2.3 构建长短期记忆神经网络模型用于证券选择
• 第三章 证券选择的投资效率分析
•   3.1 模拟投资
•   3.2 结果分析
• 第四章 基于基本分析的预测模型
•   4.1 数据处理
•   4.2 主成分分析
•   4.3 构建长短期记忆神经网络模型
•   4.4 投资效率分析
• 总结
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 李双双

导师: 刘海军

关键词: 机器学习,主成分分析,长短期记忆神经网络,基本分析,技术分析

来源: 郑州大学

年度: 2019

分类: 基础科学,信息科技,经济与管理科学

专业: 数学,自动化技术,宏观经济管理与可持续发展,金融,证券,投资

单位: 郑州大学

分类号: F832.51;TP183;F224

总页数: 59

文件大小: 3041K

下载量: 60