1.1项目目的以及意义

深度学习网络的产生和发展，为人工智能的领域带来了许多发展。股票预测是指对股市具有深刻了解的证券分析人员根据股票行情的发展进行的对未来股市发展方向以及涨跌程度的预测行为。这种预测行为只是基于假定的因素为既定的前提条件为基础的。

近年来，股票市场以风险、收益并存的特点收到越来越多投资者的青睐，投资者们希望找出股票市场变动的内在规律，进而准确预测股票走势，构建相应的策略达到规避风险，获得更高利润的目的。因此，投资者们希望能准确地预测股票市场未来的变动方向以及确定的值。

预测股市将如何变化历来是最困难的事情之一。这个预测行为中包含着如此之多的因素—包括物理或心理因素、理性或者非理性行为因素等等。所有这些因素结合在一起，使得股价波动剧烈，很难准确预测。

机器学习技术使用最新的组织公告、季度收益等作为特征，有潜力挖掘出我们以前没有见过的模式和见解，并可用于预测。

1.2国内外发展现状

(1)国外发展现状

2006年，加拿大学社Hinton[14]等在《Science》上发表的文章首次使用了一种应用深度新年神经网络（DNN）模型来实现数据的降维的方法，该方法相当于传统的数据将为方法获得了更加显著的效果，使得深度学习神经网络的研究走进了人们的视野，由此拉开了深度学习研究热潮的序幕。

2010年NGUYEN N N[13]等人提出的GSetsk框架采用了一种新的多维尺度增长聚类算法（MSGC），该算法模拟了人类的认知过程，能够在不需要任何先验知识的情况下灵活生成模糊规则。

2011年XIAODONG LI[17]等人使用多核学习技术，通过结合这两个信息源对香港股市进行预测，无论是交叉验证还是独立测试，都比基于单一信息源的基线系统和以简单方式集成信息源的系统具有更好的定向精度。