基于神经网络的股票预测
目录
摘要...................................................................................................................... I Abstract .................................................................................................................. II 第1章绪论 . (1)
1.1 课题背景及研究的目的和意义 (1)
1.1.1 算法交易 (1)
1.1.2 人工智能 (2)
1.2 国内外研究现状 (3)
1.3 本文主要研究内容 (6)
第2章深度神经网络 (7)
2.1 前馈神经网络 (7)
2.2 激活函数 (8)
2.2.1 S型函数 (8)
2.2.2 分段线性函数 (9)
2.2.3 其他函数 (11)
2.3 优化 (12)
2.3.1 损失函数 (12)
2.3.2 后向传播 (14)
2.3.3 A dam算法 (14)
2.4 深度神经网络 (15)
2.5 本章小结 (17)
第3章循环神经网络 (18)
3.1循环神经网络基本结构 (18)
3.2长短时记忆模型 (19)
3.3本章小结 (20)
第4章实证分析 (21)
4.1 实验数据 (21)
4.2网络设计 (21)
4.3数据处理 (22)
4.4实验过程 (23)
4.5实验结论 (30)
结论 (31)
- III -
参考文献 (32)
哈尔滨工业大学学位论文原创性声明和使用权限 (36)
致谢 (37)
- IV -
第1章绪论
1.1 课题背景及研究的目的和意义
1.1.1 算法交易
算法交易（Algorithmic trading, AT）也称为量化交易（Quantitative trading, QT），其交易策略基本取决于计算机算法给出的决策，包括下单时机、下单价格乃至交易数量与笔数等。计算机算法是从海量的历史数据中挖掘出能以大概率盈利的规则，建立数学模型。进而利用构建好的数学模型和实时数据，做出有利决策。算法交易以机器判断代替人为的主观判断，能极大减少决策者情绪波动对决策的影响，特别是在市场极度狂热或极度悲观的情况下能够避免做出非理性决策。算法交易可以被应用于任何投资策略，如期现套利、高频交易、跨市套利、单边投机和做市等。
算法交易以其独特的优势，迅速得到投资机构和投资者的青睐。美国和欧洲股市在2006年，就有3成的买卖是由算法交易完成的。当时人们还预计到2010年这个比例将达到50%，但实际上到2009年，这个比例已经达到73%。在2006年，伦敦证券交易所才40%多的订单由算法交易完成，到2007年，这个比例就达到70%。
相比之下，国内的算法交易还处在系统研究和初步测试阶段。最早开始算法交易研发的国泰君安也是在2008年才推出自己的算法交易平台。此后国内的证券公司才陆续开发自己的算法交易系统。学术界对算法交易的关注也处于起步阶段，尚无由学者研究算法交易对中国资本市场的系统影响。学术界对算法交易在中国的适用性也缺乏全面、深入的研究[17]。
尽管算法交易有诸多好处，可是它的缺点也是不容忽视的。
天下没有免费的午餐，首先就是算法交易的风险。2010年5月6日下午，美国股市的闪电暴跌就是由某家交易公司在市场压力巨大的情况下，系统自行卖出所引起的连锁反应。国内也有这样的例子：2013年8月，因为光大证券套利策略系统漏洞引起的操作失误，导致上证指数短时间内涨幅超过5%，严重干扰了市场正常交易。这些都会对市场交易的公平性和稳定性造成影响，这就对市场监管提出了挑战，所以加强对算法交易的监管势在必行[18]。
其次按照上面的定义，算法交易好似是技术分析的别名。其实不然，并不是
- 1 -