全文总字数：3432字

1. 研究目的与意义及国内外研究现状

我国股票市场经过多年的发展,已经在金融领域占据很重要的地位。股票市场的建立和发展促进了我国市场经济的迅速发展。然而由于股票自身的不稳定性,也给投资者带来了极大的风险。股票市场的价格趋势是非线性的,为了能够预测股票价格的变动趋势，股票投资者们每时每分都在观察着股票市场的各种细微变化，国内外的研究学者专家们利用统计学和计量经济学等数学分析方法应用于股票市场的研究上，例如指数平滑法、arima模型（自回归移动平均模型）和garch 模型（自回归条件异方差模型）等。但由于影响股票价格趋势的因素很多，影响机理也非常复杂难以简单的运用数学模型加以解释。传统的统计学模型和计量经济学模型通常可以模拟线性或平稳序列，而且模型引入的数据量不能过大而且需要进行预处理（通常为差分），将非平稳的序列改成平稳序列才行。即使可以利用新型广义自回归模型来描述非平稳非线性的时间序列，那么模型的计算结果也并不理想。

而神经网络机器学习是一个高度复杂的非线性人工智能系统是对人脑抽象和具

象能力的人工模拟。其具有分布式存储、自组织、并行处理以及自调整能力。神经网络的上述特点使得它比较适合处理多影响因素、不稳定性、类随机的复杂非线性难题，而恰恰股票价格预测正是这样一个问题,这样可以利用神经网络获得价格在未来的趋势变化,从而降低股票其内在的风险性。对国家而言，可以一定程度上预测股价做好市场价格防范措施，对于投资者而言，可以更加理性的选择股票的购买，降低了风险性。

国内外研究现状

sirignano（2016）提出一种预测限价委托单薄变化的方法。他开发了一个「空间神经网络（spatial neural network）」，该网络可以利用局部空间结构的优势，比标准的神经网络更具可解释性、也更具计算效率。他模拟了在下一状态变化时最好的出价和要价。[1]。 dose等人用聚类分析的方法来研究股票,但这并不够准确描述股票的非线性属性[2]。shaun-innwu等人运用了数理统计与人工智能预测方法，对股票市场进行了预测[3] 。 takeuchi 和 lee（2013）想要通过预测哪支股票将有比中值更高或更低的月度收益（monthlyreturns）来加强动量效应（ momentum effect）。他们总体的准确率大约是 53%。但他们考虑到预测前面十分之一股票和后面十分之一股票之间的差别时，他们得到每月 3.35% 的收益，或者每年 45.93% 的收益。[4]

2. 研究的基本内容

3.1介绍神经网络的基本概念以及神经网络在当下科技生活领域的意义；对比其他的神经网络类型，重点介绍 lstm神经网络及其优缺点；用tensorflow框架给出lstm神经网络的程序模型 。

3.2lstm模型图：

3. 实施方案、进度安排及预期效果

在学习神经网络知识和python语言学习的运用，并了解了大量的python神经网络框架，对基于神经网络的股票价格预测系统有了整体构建的想法，根据自己所学和理解，编写实现该系统的程序，以此作为本课题的实施方案。

2018.2.1-2018.2.28:搜集相关资料，书写开题报告

2018.3.1-2018.3.31:对本次方案进行理论验证并搭好论文框架

4. 参考文献

[1] j. a. (2016). deep learning for limit order books. arxivpreprint arxiv:1601.01987. abstract.

[2]dose c, cincotti s. clustering of financial timeseries with application to index and enhanced index tracking portfolio [c].physica a: statistical mechanics and its applications, 2005, 355(1): 145-151.

[3]shaun-inn wu. ruey-pyng lu.combining artificialneural networks andstatistics for stock-market forecasting. neural computing and applications. 1993, 257-264.