【摘 要】
：
股票市场作为企业筹集资金、公众投资获利的重要场所,吸引了各界人士的目光,股价预测方法也喷涌而出。而股票数据是非平稳、高噪声、波动性强的序列,其数据的复杂性和不确定性使得经典统计模型在股价预测中日渐式微。随着机器学习的发展,研究发现深度学习能更好捕捉股票数据信息,所以本文从深度学习出发,基于LSTM,构建基于注意力机制的双向长短期记忆网络（AM-BiLSTM）模型来预测沪深300指数价格。针对一般模
论文部分内容阅读
股票市场作为企业筹集资金、公众投资获利的重要场所,吸引了各界人士的目光,股价预测方法也喷涌而出。而股票数据是非平稳、高噪声、波动性强的序列,其数据的复杂性和不确定性使得经典统计模型在股价预测中日渐式微。随着机器学习的发展,研究发现深度学习能更好捕捉股票数据信息,所以本文从深度学习出发,基于LSTM,构建基于注意力机制的双向长短期记忆网络（AM-BiLSTM）模型来预测沪深300指数价格。针对一般模型训练中对所有特征无差别学习的弊端,引入通过重新分配各数据权重而强化重要特征的注意力机制AM;并选择LSTM的优化模型——双向LSTM,使得可以通过顺时间、逆时间序列双向学习数据信息,保证数据利用的充分性。以此建立本文的AM-BiLSTM组合模型。同时,利用Nadam优化初始学习率来提高模型的收敛速度和质量。其次,为了扩充数据维度,本文基于金融学先验知识,利用基础指标,构建技术指标、关键转折点构成股票多类别特征体系,并将经PCA消除各指标间冗余信息后的数据作为初始数据。最后,利用构建的AM-BiLSTM模型预测具有代表性的沪深300指数未来1、3、5日的收盘价,从评价指标看,预测误差较小;且与单一模型相比,AM-BiLSTM模型预测精度更高。表明本文构建的基于多类别特征体系的AM-BiLSTM模型在沪深300指数短期预测上效果良好,进一步说明本文采用的算法设计思路对沪深300股票价格的准确预测具有一定的借鉴价值。
其他文献
偏微分方程作为数学工具,常用于各种建模问题中,在工程、物理和医学等领域中都发挥着重要的作用。光纤通讯、电磁场、分布参数电路等常涉及到偏微分方程的求解问题,但方程的解析解难以获取。传统的数值求解方法利用网格剖分对方程近似求解,而网格剖分严重影响解的精确度,在求解过程中也会带来巨大的存储代价和计算代价,造成计算效率低下等问题。在2022年国家自然科学基金委员会发布可解释、可通用的下一代人工智能方法重大
目前脑卒中已经成为我国成人致死、致残的首位病因,其中21%-38%的脑卒中患者会患上失语症。现存至少十几万潮州方言失语症患者,然而至今全球仍然没有一个面向潮州方言失语症患者的失语症评定方法。国内外常用的失语症评定方法过程繁琐、时间过长,许多失语症患者,尤其处于卒中急性期的失语症患者,无法忍受这种形式的言语评估。其次,这些评定方法都没有对潮州方言的当地文化以及口音进行特色化适配,导致了潮州方言失语症
Stacking算法是提高分类器性能的常用方法。Stacking首先训练多个初级分类器;然后将初级分类器的结果作为输入,训练得到一个强分类器。本文将探究Stacking算法在输出变量为定序变量时以及在输入数据为文本时的应用。（1）Stacking算法在定序数据中的应用研究。定序数据是存在顺序关系的离散型数据。常规的Stacking算法在处理定序数据分类任务时没有兼顾定序变量之间的顺序关系,导致分类
面部表情是人们心理活动最直接的反映,对面部表情进行分析有助于计算机理解人们的情感状态。面部表情的形成过程是面部肌肉和面部皱纹共同作用的过程,同时伴随着面部形状的变化,因此,面部表情识别需要更好的形状、纹理等特征描述符来表示面部表情。面部特征的提取和描述在决定面部表情识别系统的准确率中举足轻重。在本文中,我们提出了一种基于空间金字塔的Zernike矩特征和面部表情纹理的Law纹理特征相融合的特征提取
生存分析被广泛应用于医疗、经济、工业、社会科学等领域,生存分析用于研究生存现象和生存时间及其影响因素的统计规律,目前已经有很多传统的统计推断方法在生存分析领域被广泛应用.近年来,随着机器学习算法的快速发展,已有很多算法被引入生存分析领域并在实践中验证了此类算法优越的建模能力和预测性能.本篇论文的目的是基于生存分析提出一种新的回归算法Survival Boost,该算法基于随机生存森林和XGBoos
系统运行不仅会受内部故障影响,很多时候还会受到来自外部的恶意攻击,这直接影响到系统的可靠性。投票系统容错性高,决策力强,已被广泛应用到诸多领域。本文主要针对遭受多次恶意攻击的投票系统的可靠性进行研究并给出相应的最优策略,这里的可靠性是指系统对于输入的命题能做出正确决策的概率。本文讨论了一个由多种组件（普通组件,升级组件和伪装组件）组成的多数投票系统的可靠性,着重关注的最优策略是针对不同类型组件的数
随着信息科学技术的快速发展,商业银行之间的竞争变得越来越激烈。一方面,在信息公开透明的互联网时代,消费者可以快速获取金融产品和服务信息并以此为基础优化购买策略,从而可能导致某银行以往的部分客户流向其他银行。另一方面,消费者的个性化需求也可能会导致银行客户流失现象的发生。为了尽可能的减少客户流失,可以利用银行过往客户的信息进行预测分析,使得银行管理者在后续工作中能有针对性的完善客户服务。本文运用数据
皮肤镜图像中,由于毛发造成的遮挡,严重影响了皮肤病变的诊断操作和分析准确性。真皮毛发有以下不同的特点:细薄;重叠;浅色调;形状各异,长短不一;与底层皮肤或病变纹理有相似的对比度或颜色;以及遮盖或覆盖病变的纹理。毛发的这些复杂特征使得毛发数字去除（DHR）成为一项极具挑战性的任务,该任务涉及到毛发的分割和毛发间隙的修复。基于传统的硬编码阈值毛发去除方法泛化能力差,导致过度去除毛发,从而失去了皮肤病变
测试是贯穿数字集成电路（Digital Integrated Circuit,Digital IC）整个生命周期的核心环节。可靠的测试技术有助于缩短开发周期,提高产品的良率和减少开发成本。然而,随着集成电路的制造工艺不断进步和发展,单一电路的规模越来越大,电路的内部结构也越加复杂。这给测试带来了新的挑战。基于这种情况,结合新兴技术对集成电路测试方法进行优化升级已成为行业的热点。自动测试向量生成（A
髋关节发育不良是婴幼儿较为常见的骨科疾病之一,患病初期及时的诊断和治疗能够有效矫正关节畸形,避免留下终身残疾。基于X-Ray图像的骨盆正位片诊断是髋关节发育情况诊断的主要方式之一,医学解剖学相关关键点的检测是该诊断方法的关键步骤。然而,在该诊断方法中,骨关节钙化过程中的多样性和脱位畸形等因素导致关键点的检测是一项具有挑战性的任务。一般来说,X-Ray图像中的医学解剖学关键点在局部区域表现出稳定的形