改進的卷積神經(jīng)網(wǎng)絡(luò)在金融預(yù)測中的應(yīng)用研究.pdf

1、世界經(jīng)濟正處在快速發(fā)展階段，金融業(yè)也隨之不斷發(fā)展，金融活動日益增多，其變化趨勢的不確定性也在增加。如何通過學(xué)習和掌握金融活動規(guī)律，預(yù)測其未來的變化趨勢，成為學(xué)術(shù)界和金融界的關(guān)注重點和主要研究內(nèi)容。有效的金融預(yù)測可以為金融計劃和決策的制定提供依據(jù)，維持金融市場的健康發(fā)展，使盈利機構(gòu)的利益最大化。
　　卷積神經(jīng)網(wǎng)絡(luò)是一種模擬生物視覺系統(tǒng)運行機制的多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它是由多層卷積層和降采樣層順序連接構(gòu)成的神經(jīng)網(wǎng)絡(luò)，能夠從原始數(shù)據(jù)中獲取有

2、用的特征描述，是一種從數(shù)據(jù)中提取特征的有效方法。目前卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)成為語音識別、圖像識別及分類、自然語言處理等領(lǐng)域的研究熱點，并在這些領(lǐng)域有了廣泛且成功的應(yīng)用。因此本文引入卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對金融時間序列數(shù)據(jù)進行預(yù)測。
　　本文首先整理和總結(jié)了國內(nèi)外關(guān)于金融時間序列的研究方法，簡要介紹了人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習方法，并重點介紹了卷積神經(jīng)網(wǎng)絡(luò)和支持向量機的算法原理。然后改進卷積神經(jīng)網(wǎng)絡(luò)以適合金融時間序列數(shù)據(jù)，并建立卷積神經(jīng)網(wǎng)絡(luò)和支持向

3、量機融合的混合模型，最后將兩種預(yù)測模型應(yīng)用于金融時間序列數(shù)據(jù)的預(yù)測中。本文主要的研究工作如下：
　?。?）結(jié)合金融時間序列數(shù)據(jù)的特點，改進卷積神經(jīng)網(wǎng)絡(luò)，建立了適用于金融時間序列數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)預(yù)測模型，并將模型應(yīng)用于股票指數(shù)預(yù)測。研究了網(wǎng)絡(luò)模型的相關(guān)參數(shù)對股票指數(shù)預(yù)測結(jié)果的影響；
　?。?）改進卷積神經(jīng)網(wǎng)絡(luò)股票指數(shù)預(yù)測模型，將卷積神經(jīng)網(wǎng)提取有效特征的優(yōu)點與支持向量機良好的分類預(yù)測能力相結(jié)合，給出了一種卷積神經(jīng)網(wǎng)絡(luò)-支持向量