算法交易能极大地减少决策者情绪波动对决策的影响,因此受到国外投资者的青睐。随着中国证券市场的日益成熟,算法交易必定能在其中大展拳脚。深度学习在图像识别、自然语言处理等领域取得了令人惊叹的成果,金融必将是它攻下的又一座城堡。基于深度学习理论,本文希望能对股票的未来涨跌趋势做出一个比较明确的判断,具体研究内容如下:第一,本文首先从深度神经网络的结构出发,阐明了深度学习是如何解决BP神经网络的诸多缺陷,然后利用批标准化、PRe LU和dropout等深度学习最新研究成果构建深度神经网络模型。第二,循环神经网络及其改进的长短时记忆模型是专门处理序列数据的模型。本文将长短时记忆模型与深度神经网络结合构建深度循环神经网络模型。第三,在实证研究中,以亚马逊公司股票的前十日历史交易数据预测下一日的股票涨跌。经过测试不同深度的深度神经网络与长短时记忆模型,本文发现深度神经网络在预测股票涨跌上还是有一定帮助的,能达到54%的三类(涨、震荡、跌)预测准确率。相对于随机猜测提升了21个百分点。相比猜成震荡,提高了7个百分点。实验的同时也验证了加大网络深度对提升模型的拟合能力以及加入dropout正则对抗过拟合、提高模型泛化能力的显著作用。与深度神经网络相比,原先以为会更加出色的长短时记忆模型的效果就不太理想。