基于LSTM多值关联模型的股票时间序列预测研究

目录

声明

第一章绪论

1.1 论文的研究背景与意义

1.2 国内外的研究现状

1.2.1 金融市场的研究现状

1.2.2 LSTM(Long-Short-Term-Mermory )神经网络的研究现状

1.3 论文的主要工作

1.4 论文的组织结构

第三章关联模型的设计及实验分析

第四章多值关联网络模型的应用

第五章总结与展望

第二章深度学习基础理论与关键技术

2.1 序列数据预处理

2.1.1 序列数据清洗

2.1.2 序列数据规约

2.1.3 序列数据规范化

2.2 人工神经网络

2.2.1 人工神经元模型

2.2.2 人工神经网络模型

2.3 递归神经网络(Recurrent Neural Network, RNN)

2.3.1 RNN 的基本理论

2.3.2 RNN 神经网络结构

2.4 长短时记忆网络(LSTM)

2.4.1 LSTM 神经网络结构

2.4.2 LSTM 深层神经网络结构

2.5本章小结

第三章关联模型的设计及实验分析

3.1 回归模型评价标准

3.2 实验数据概述

3.3 基于 LSTM的多值关联神经网络的设计

3.3.1 多值关联神经网络结构设计

3.3.2 多值关联神经网络算法设计

3.4 多值不关联神经网络的设计

3.5 模型参数设置

3.6 多值关联模型、LSTM、DRNN 实验结果与分析

3.6.1模型的训练结果对比

3.6.2模型测试结果对比

3.7 多值不关联神经网络模型实验结果与分析

3.7.1训练阶段模型结果对比

3.7.2测试阶段模型结果对比

3.8 本章小结

第四章多值关联网络模型的应用

4.1 在沪指板块的应用

4.1.1 江淮汽车的应用

4.1.2 浦发银行的应用

4.2 在深指板块的应用

4.2.1 昆仑万维的应用

4.2.2 特锐德的应用

4.3 本章小结

第五章总结与展望

5.1总结

5.2展望

致谢

攻读学位期间发表论文情况

攻读学位期间参与科研项目情况