【摘 要】
：
随着深度学习相关技术和理论的快速发展与进步,相关算法已经应用于股票价格预测。深度学习由于其强大的学习能力等优点,在股票价格预测上的表现常常优于传统的预测方法。新能源行业因其环保、节能的特点,发展前景一片光明。政府出台的政策也推动着新能源行业的发展。通过预测新能源类股票的价格走势,可以帮助投资者做出合适的决策,并在一定程度上反映出新能源行业的发展情况,促进相关资源的有效配置。本文研究在几个重要的前提
论文部分内容阅读
随着深度学习相关技术和理论的快速发展与进步,相关算法已经应用于股票价格预测。深度学习由于其强大的学习能力等优点,在股票价格预测上的表现常常优于传统的预测方法。新能源行业因其环保、节能的特点,发展前景一片光明。政府出台的政策也推动着新能源行业的发展。通过预测新能源类股票的价格走势,可以帮助投资者做出合适的决策,并在一定程度上反映出新能源行业的发展情况,促进相关资源的有效配置。本文研究在几个重要的前提假设下开展,选择涉及新能源行业多个领域的20只股票融合作为数据集,一定程度上保证了在行业背景下预测的合理性。数据集包含20个股票价格预测任务中常见的特征。通过特征数据集的优化选择和预测模型的改进,提高对新能源类股票价格的预测精度。新能源板块股票较为热门,本文研究对短期股票价格的预测效果较好。具体的研究内容如下:（1）针对模型训练输入特征的改进,本文提出了两种特征选择方法Lasso回归和极端随机树以筛选更有效的输入特征。基于基准模型LSTM对比了两种特征选择方法下特征数据集的预测效果,发现其预测效果均优于原始数据集。其中极端随机树方法生成的特征数据集预测效果更优,预测结果的RMSE较原始数据集降低了6.18%,提升了预测精度。（2）针对模型预测性能的改进,本文在基准模块LSTM的基础上,结合CNN模块和注意力机制,提出了三种混合模型:LSTM-Attention、DALSTM和CNNLSTM-Attention。对比基于最优特征数据集上不同模型的预测效果,发现三种混合模型的预测效果均优于LSTM。其中CNN-LSTM-Attention模型预测效果最优,预测结果的RMSE较LSTM降低了2.88%,提升了预测精度。
其他文献
随着互联网技术的快速发展,在网络中进行资料生产和信息交流越来越便捷,但同时抄袭剽窃等不良现象也屡屡发生并有愈演愈烈之势,特别是在学术生产活动中此类现象更是被频繁曝光。遏制抄袭剽窃活动的发生与检测识别这些抄袭剽窃活动成为学者研究的热点之一。文本抄袭检测是一门针对文章内是否含有抄袭内容的研究课题,主要分为外部与内部抄袭检测两个框架。虽然目前的方法在复制粘贴和同义替换类型的抄袭形式上具有优异的性能,但仍
近年来,行人检测是目标检测热门研究领域之一,主要是利用计算机视觉技术检测图像或者视频序列中是否有行人存在,并且标出每个行人的确定位置。行人检测在智能安全监控、自动驾驶、人机交互等方面有着重要的研究价值和广泛的应用前景。现有行人检测方法大多采用特征金字塔进行多级预测,虽然能检测多尺度的目标,但易产生离物体中心较远的预测框,导致检测精度不高。在行人密集、遮挡严重的情况下,相关网络模型无法获取足够的目标
随着国内消费市场迎来新一轮消费升级，许多品牌通过品牌升级来谋求新的发展出路。面对新消费群体和新老烘焙品牌的挑战，成立30年的好利来用新模式实现了品牌年轻化，带动了国内烘焙行业发展，提高了发展水平，是本土品牌学习的对象和创新发展的风向标。本文从品牌为什么要年轻化、如何年轻化以及年轻化后的困境，以好利来为例进行分析，旨在为其他国货品牌创新升级提供思路，促进国货品牌长远发展。
随着车险费率市场化改革的进行,我国逐步将车险的定价权交由保险公司行使,因此识别客户风险、厘定差异化的车险保费也成为保险公司的研究重点。然而,目前我国使用的车险费率因子较为单一,费率厘定模式缺乏客观性,而且用于费率厘定的模型也较为传统和落后。为此,本文将更多的车险费率因子引入模型中,并改进现有模型对纯保费和自主定价系数进行研究,为保险公司创新车险产品提供参考。首先,本文在参考美国车险费率厘定模式的基
随着通讯技术与互联网技术的快速发展,形式多样的数据已渗入到人们日常生活中的方方面面,越来越多的用户选择将数据外包存储至云服务器中,如何确保外包数据的完整性成为了云存储中亟需解决的关键问题。云数据审计方案能够通过辅助信息对数据进行验证以判断数据的完整性是否被破坏,为用户外包于云服务器中的数据安全性提供了一定的保障。然而,传统的云数据审计方案着重于判断外包数据的完整性,而忽略了数据动态操作的性能需求和
双侧截断数据指受客观条件所限导致样本只有落在一定区间才可被观测的数据类型,这类数据常出现在天文观测,计量经济与生存分析领域。例如在天文观测等领域由于观测能力的上下限导致数据未被观测记录,在生存分析等领域由于观测时间有限导致的时序数列首尾截断等。多种双侧截断形式导致基于该类样本数据无法获得准确的数据特征和精准的参数估计结果。故而本文分别从特定模型下双侧截断数据的参数估计和基于深度学习的数据特征学习方
近年来,无论在中国还是世界其他地方,极端天气气候事件频发,严重影响了人们的日常生活,给许多国家造成了重大的经济损失。南半球海洋,是地球气候系统中一个非常重要的组成部分,它主要通过海温异常变化来对大气环流产生重要影响,从而调节和影响区域乃至全球气候。而作为南半球海洋之一的南大西洋,它的贡献必不可少。因此本文利用英国Hadley Centre提供的43年的逐月海温资料,采用经验正交分解（Empiric
随着经济发展、城市化进程和全球一体化的推进,局地和区域的气象条件、空气质量水平和能见度也在不断发生变化。尤其是,能见度对交通出行、生产生活、军事行动等方面有着显著影响,低能见度等恶劣天气会严重威胁社会正常运转和人们的生命财产安全。江苏省是我国经济规模最大、最具活力的省份之一,近年来该地区低能见度天气现象频发,严重影响了人们的生产生活和身心健康。因此,结合江苏省能见度的时空分布特征和影响因子分析,开
大豆作为世界上最主要的植物油源与植物蛋白源,是东方饮食文化的重要部分,占据五谷之一。我国大豆的年产量供求在现今的农作物栽培水平下无法达到平衡,存在供不应求的局面。目前,中国大豆年产量无法满足内需,大豆总产量短缺并依赖进口。因此,如何去选择优良大豆品种来进行育种问题亟待解决,以此提高国内培育出大豆的品质,在总体上提升我国的大豆产值。在大豆品质的衡量上,大豆粒荚的籽粒数是极为重要的标准,保证豆粒荚的籽
奖惩系统在各国的汽车保险行业中被广泛使用,是汽车保险的重要组成部分。本文从三个不同的角度出发,对奖惩系统展开研究。本文首先考虑索赔额对奖惩系统的影响,构建一个以索赔次数和累积索赔额为划分依据的奖惩系统。通过实际数据进行实证研究,说明分层广义线性模型计算奖惩系数相较于广义线性模型更优。为说明包含索赔次数和累积索赔额的奖惩系统的优势,对其进行稳态分析和严厉性分析,发现包含索赔次数和累积索赔额的奖惩系统