機器學習與股票擇時

目錄

1緒論
1.1研究背景及意義
1.1.1研究背景
1.1.2研究意義
1.2研究現(xiàn)狀
1.2.1國內(nèi)研究現(xiàn)狀
1.2.2國外研究現(xiàn)狀
1.3主要貢獻
1.3.1在運用機器學習算法方面的主要貢獻
1.3.2在運用深度學習算法方面的主要貢獻
2理論基礎(chǔ)
2.1量化擇時
2.1.1擇時策略
2.1.2策略類型
2.1.3市場有效性理論
2.1.4技術(shù)指標
2.2支持向量機
2.2.1線性支持向量機
2.2.2非線性支持向量機
2.3深度學習和神經(jīng)網(wǎng)絡(luò)
2.3.1卷積神經(jīng)網(wǎng)絡(luò)
2.3.2循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3.3激活函數(shù)
3基于SVM的股票擇時研究
3.1模型構(gòu)建原則
3.1.1數(shù)據(jù)獲取
3.1.2數(shù)據(jù)拆分
3.1.3數(shù)據(jù)預(yù)處理
3.1.4特征指標與預(yù)測變量的選擇
3.1.5參數(shù)尋優(yōu)
3.1.6訓練擇時模型
3.1.7分析擇時效果
3.1.8測試模型
3.2模型構(gòu)建
3.2.1設(shè)定擇時條件
3.2.2特征指標
3.3改進算法
3.3.1螢火蟲算法
3.3.2改進螢火蟲算法
3.3.3參數(shù)尋優(yōu)
3.4個股實證分析
3.4.1MFA算法有效性驗證
3.4.2個股實證指標
3.4.3平安銀行個股實證
3.4.4中信證券個股實證
3.5指數(shù)實證分析結(jié)果
3.5.1中證500指數(shù)
3.5.2創(chuàng)業(yè)板指數(shù)
3.5.3滬深300指數(shù)
4基于深度學習的股票擇時研究
4.1指標獲取
4.1.1指標介紹
4.1.2指標可視化
4.2數(shù)據(jù)預(yù)處理
4.2.1數(shù)據(jù)正則化
4.2.2維度分析
4.3混合CNN-RNN模型的構(gòu)建
4.3.1模型構(gòu)建思路
4.3.2模型構(gòu)建流程
4.3.3模型結(jié)構(gòu)
4.3.4模型評估
4.4基于UCI數(shù)據(jù)集的實證研究
4.4.1實驗數(shù)據(jù)
4.4.2參數(shù)設(shè)置
4.4.3實驗結(jié)果
4.5基于股票市場指標數(shù)據(jù)的實證研究
4.5.1實驗數(shù)據(jù)
4.5.2參數(shù)設(shè)置
4.5.3實驗結(jié)果
5結(jié)論與展望
5.1結(jié)論
5.2展望
參考文獻
附錄混合CNN-RNN模型代碼