發(fā)布時間：2024-11-02 08:00

　　股票市場作為社會經(jīng)濟的重要組成部分,為我國的經(jīng)濟發(fā)展發(fā)揮著重要的作用。投資者可以通過準確的價格走勢預(yù)測,降低投資決策的風(fēng)險。然而由于股票數(shù)據(jù)的非線性和非平穩(wěn)特性,股票價格走勢的準確預(yù)測往往非常困難。當(dāng)前基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法(LSTM),在股票價格預(yù)測中初步顯示重要的算法優(yōu)勢。然而在訓(xùn)練過程中,僅僅采用梯度下降算法進行網(wǎng)絡(luò)優(yōu)化,預(yù)測的準確性有待提高。進化算法作為一種魯棒性強全局尋優(yōu)算法,可以用來優(yōu)化神經(jīng)網(wǎng)絡(luò)。目前,進化神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛應(yīng)用于圖像處理、時間序列預(yù)測等多個方面。它們通常將神經(jīng)網(wǎng)絡(luò)的權(quán)重作為種群,利用進化算子優(yōu)化個體。因此,將現(xiàn)有的進化神經(jīng)網(wǎng)絡(luò)算法用于股票預(yù)測,可以有效改善現(xiàn)有深度學(xué)習(xí)預(yù)測方法準確性較差的不足。本文對基于時間序列數(shù)據(jù)算法進行研究和分析發(fā)現(xiàn),雖然LSTM類的算法在時間序列預(yù)測方面取得了不錯的效果,但是隨著數(shù)據(jù)的復(fù)雜度越高,例如高度非線性的股票數(shù)據(jù),神經(jīng)網(wǎng)絡(luò)的預(yù)測難度也越來越大�，F(xiàn)有的LSTM類的算法僅僅在梯度下降算法的優(yōu)化下,很容易造成局部最優(yōu)、預(yù)測準確度低等問題,使算法的性能遭遇瓶頸。因此本文針對這些問題進行了深入分析,并提出了相應(yīng)的改進方案,具體研究工作包...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

進化神經(jīng)網(wǎng)絡(luò)算法優(yōu)化及其在股票價格預(yù)測中的應(yīng)用2法結(jié)合神經(jīng)網(wǎng)絡(luò)是近年來提高神經(jīng)網(wǎng)絡(luò)性能的一個很好的方法，也吸引了大量的科研人員投身于該領(lǐng)域的研究。進化神經(jīng)網(wǎng)絡(luò)使用了自然界的進化理論，在種群的逐代進化過程中，不斷保留最優(yōu)的個體（模型權(quán)重），淘汰比較差的個體，最后使種群逐漸趨向于一個....

進化神經(jīng)網(wǎng)絡(luò)算法優(yōu)化及其在股票價格預(yù)測中的應(yīng)用16下一天收盤價1TX拼接的混合數(shù)據(jù)X，以此來與真實的收盤價序列X(1TT1XXX)進行對抗。進化過程中種群個體為生成器對應(yīng)的權(quán)重空間，通過變異的方式將每個生成器變成三個不同的個體，然后對變異個體進行評估，最后通過目標函數(shù)選擇最優(yōu)的個....

進化神經(jīng)網(wǎng)絡(luò)算法優(yōu)化及其在股票價格預(yù)測中的應(yīng)用17heuristic變異都是不飽和的，也就是不會出現(xiàn)梯度消失的現(xiàn)象，進而能提供有效的生成器更新。然而，根據(jù)[40],在給定最優(yōu)判別器D的情況下，最小化hueristic變體等于最小化[()2()]XXXXKLppJSDpp[28]。....

本文編號：4009276