论文总字数：18444字

摘 要

21世纪，人们向往更丰富，快速，稳定的利益获取方式，传统的理财方式已经越来越不能满足当代人的需求了。股票市场作为一个活跃的二级市场，有着许许多多的投资者和观望者，在股票市场投资成功能够得到的高回报率让越来越多的人关注着股票市场。随着股票市场的快速发展，投资者们借助数学工具以及编程软件对股票价格指数构建模型并预测，通过预测结果来选择投资决策。

本文研究的长短期记忆神经网络（LSTM）是一种深度学习模型，LSTM模型的特征符合股票指数数据具有的一定周期性的特征；理论上LSTM模型是一种有效的股票价格指数预测模型。本文将以沪深300指数、创业板指数与上证50指数作为主体并经过LSTM（长短期记忆神经网络）模型对这三种指数构建模型并进行预测，最后发现预测结果符合预期希望，能够在投资者进行投资决策中起到一定的参考作用，做出了一定的贡献。

关键词：股票市场； 股票价格指数预测； 长短期记忆神经网络

Stock price trend prediction based on machine learning

Abstract

In the 21st century, people yearn for richer, faster and more stable ways of obtaining interests, and the traditional way of financial management has become increasingly unable to meet the needs of contemporary people. As an active secondary market, the stock market has a large number of investors and watchers. More and more people are paying attention to the stock market because of the high rate of return that can be obtained by successful investment in the stock market. With the rapid development of the stock market, investors use mathematical tools and programming software to build models and predict the stock price index, and choose investment decisions based on the predicted results.

The Long Short-Term Memory (LSTM) studied in this paper is a deep learning model. The characteristics of LSTM model are consistent with the periodicity of stock index data. Theoretically, LSTM model is an effective stock price index prediction model. Based on the csi 300 index, the gem and the Shanghai 50 index as the main body, through the LSTM (Long Short-Term Memory) neural network model to build the model and to forecast the three index, finally found that prediction results conform to the expected hope, can play a certain reference in the investors make investment decisions, has made certain contribution.

Key Words：The stock market，Stock price index, Long Short-Term Memory

目录

摘要 II

Abstract III

第一章 绪论 2

1.1 研究背景及研究意义 2

1.1.1 研究背景 2

1.1.2 研究意义 2

1.2 文献综述 2

第二章 预测理论 6

2.1 股票指数的可预测性 6

2.2 股票指数的数据特征 6

2.3 股票指数的时间序列的预测方法 7

2.4 小结 9

第三章 长短期记忆神经网络（LSTM）的构建 11

3.1 模型介绍 11

3.2 循环神经网络（RNN）简要介绍 11

3.3 长短期记忆神经网络（LSTM）原理 13

3.4 基于LSTM模型的沪深300指数预测模型 15

3.5 小结 16

第四章 基于LSTM模型的股票价格指数趋势预测实例研究 17

4.1 实验设计 17

4.1.1 实验数据 17

4.1.2 数据预处理 18

4.1.3 损失函数 18

4.1.4 误差标准 19

4.2 模型参数设置 19

4.2.1 输入维度和迭代次数 19

4.2.2 忘记偏置 20

4.2.3 LSTM单元数 20

4.3 实验结果分析 21

4.4 小结 25

第五章 结论与展望 26

5.1 结论 26

5.2 展望 26

参考文献 27

致谢 29

第一章 绪论

1.1 研究背景及研究意义

1.1.1 研究背景

二十世纪八十年代后，人们的物质生活也发生了巨大的变化，财富随之增长。对于人们来说，如何将已拥有的财富升值是一个不可避免地话题，而投资就是财富增长的一种方式，对于广大人民群众来说，股票是最容易接触到的一种投资方式，所以对于股票的研究就有一定的意义。沪深300指数，创业板指数和上证50指数，在我国股票市场具有重大意义，因此对于这三支股票指数的预测研究更加有助于投资决策。

1.1.2 研究意义

传统的数理统计模型用于预测时序数据，比如ARMA,ARIMA，GARCH和小波分析等模型并且它们预测得到的结果并不理想。因为股票指数价格极易受到外界的因素干扰，因而预测的难度高，并且传统的数学模型结构难以处理非线性，不平稳的时序数据，无法有效地提取股票指数价格的规律信息。相对于传统的数学模型，机器学习模型具有更加复杂的结构和更强的学习能力，对于股票指数价格数据有更强的解释能力与预测。

深度学习是机器学习的子集之一，相较于传统的机器学习模型，对于较多数据来对模型进行训练，结果是深度学习模型可能会收获更好的预测表现。而LSTM模型作为常用的深度学习模型之一 ，对股票指价格预测的精度应当更高，而对股票指数价格做出精确高的预测，对实际生活和理论研究都有一定的意义，因此本文将提出基于LSTM模型的股票指数价格趋势预测。

1.2 文献综述

如何对交易数据的分析是有效预测股票价格趋势的关键。国内大量学者对于此问题发表了论文。吴振信,张茜,张雪峰三人利用三种机器学习方法挑选优良股票，再经过四种数据处理方法处理股票组合的权重，最后通过计算投资组合的α和β值用于评比投资组合。实验结果表明，使用机器学习方法优于A股指数并且能够收获超额回报[1]。唐思佳,熊昕等人为了处理A股市场的选择股票问题，利用机器学习构建股票价格的多因子模型并对其进行了改良，最后研究结果显示机器学习模型能够带来超额回报，使用机器学习的方法是可行的 [2]。朱婷,马洁,王宏勇三人通过某些传统的预测模型难以对股票市场做出有效的预测的疑难,使分形插值与机器学习算法合并，提出了分形插值与 SVM 和分形插值与 BP 神经网络两种结合模型;提出的结合模型应用机器学习算法第一是计算出分形插值所需求的插值点，而后构建分形插值外推模型对需要的其他值进行预测; 实验最后发现两个结合模型的预测成绩都比只利用分形插值模型预测成绩更佳，预测精度更高; 因而分形插值方法与机器学习算法相结合所获得的结合模型，能更好地预测例如股票市场指数之类的非平稳金融时序[3]。

请支付后下载全文，论文总字数：18444字