基于独立成分分析—深度学习的股价预测研究

论文摘要

当今世界,经济全球化正处于迅猛发展之中,为世界经济的增长提供了强劲动力,经济金融化大势所趋。股票市场在整个现代市场体系中发挥着主导和枢纽的作用,然而股票市场具有不确定性,股票价格复杂多变,各种微观和宏观因素都会影响投资者对股票价值的判断,使得广大投资者达不到预期收益率。因此,股票市场研究一直受到广泛关注,国内外众多的学者和业界精英为了提高股价预测的准确率提出了很多预测方法,然而高噪声、非线性的股票市场使得他们提出的基于传统方法的研究模型的预测效果停滞不前。如何打破瓶颈,建立股价预测准确度更高的模型,对于学术界和业界都具有重大的理论意义和实践价值。据此,本文将基于标准普尔500指数提出一套新的预测模型框架。美国股市是发达的股票市场,市场相对成熟稳定,复杂度比较低,标普500是美国股市中最有影响力的指数,可以较好代表美股中蓝筹股的总体走势规律。同时研究美国股市的动态预测模型,对于在更加复杂中国股市构架预测模型也有一定借鉴意义,故而本文认为选择标普500作为预测目标是有一定代表性的。石油已经成为世界上至关重要的战略物资之一,石油价格对各国经济都有重大影响。根据有效市场理论、行为金融理论以及实际数据,原油价格和股价息息相关,本文基于此提出了油价预测辅助的股价预测混合模型。实证分为两部分,第一部分以WTI原油作为研究对象,WTI（West Texas Intermediate）原油是美国西得克萨斯的轻质原油,与英国的布伦特原油、中东地区的迪拜原油合称为国际原油市场的三大市场定价标准。本文选取1990年1月2日-2018年6月22日中交易日的WTI原油商品日数据,包括开盘价、最高价、最低价、收盘价、成交量五个指标,在前人研究的基础上创新性的提出独立成分分析-深度学习预测模型,发现此模型能大大提高预测效果。第二部分根据提出的油价预测辅助的股价预测混合模型,将原油预测的最高价和最低价,与标准普尔500指数的数据相结合,预测股价的日最高价和最低价,并将相关评估指标作为判断依据,通过纵向和横向对比发现,此模型对于普通的非混合预测模型有了大幅改善,说明了预测原油价格,将其用于股价预测的必要性。一般而言,对于最高价的预测效果优于对于最低价的预测效果,预测效果最优的时间段为次贷危机前,其次为次贷危机后,次贷危机中相对最差。

论文目录

• 摘要
• ABSTRACT
• 1 前言
•   1.1 研究背景与意义
•   1.2 股价预测方法
•     1.2.1 基本面分析法
•     1.2.2 技术分析法
•     1.2.3 投资组合分析法
•   1.3 股价预测难点
•   1.4 神经网络预测股价的优势
•   1.5 相关文献综述
•     1.5.1 国外运用神经网络进行股价预测的文献综述
•     1.5.2 国内运用神经网络进行股价预测的文献综述
•     1.5.3 股价和原油价格的文献综述
•   1.6 研究思路与研究方法
•     1.6.1 研究思路
•     1.6.2 研究方法
•   1.7 创新点
• 2 相关理论
•   2.1 深度学习综述
•     2.1.1 机器学习综述
•     2.1.2 深度学习的发展历史
•     2.1.3 BP算法
•     2.1.4 几种常见的深度学习框架
•     2.1.5 LSTM基础理论
•   2.2 独立成分分析综述
•     2.2.1 引言
•     2.2.2 基本理论
• 3 基于独立成分分析和深度学习的实证研究
•   3.1 实证目的及模型提出
•   3.2 样本选择及数据预处理
•   3.3 评估指标
•   3.4 原油价格预测及对比
•     3.4.1 原油价格预测模型及结构设计
•     3.4.2 实证结果及对比
•   3.5 股价预测及对比
•     3.5.1 股价预测模型及结构设计
•     3.5.2 股价最高价预测实证结果及对比
•     3.5.3 股价最低价预测实证结果及对比
•   3.6 小结
• 4 总结
•   4.1 总结
•   4.2 实践意义
•   4.3 局限性
• 参考文献
• 后记
• 致谢
• 在读期间科研成果目录

文章来源

类型: 硕士论文

作者: 周紫慧

导师: 倪剑

关键词: 独立成分分析,深度学习,股价预测

来源: 西南财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 西南财经大学

分类号: F831.51;F224

DOI: 10.27412/d.cnki.gxncu.2019.002264

总页数: 68

文件大小: 2010K

下载量: 40