改進的卷積神經網絡在金融預測中的應用研究.pdf

1、世界經濟正處在快速發(fā)展階段，金融業(yè)也隨之不斷發(fā)展，金融活動日益增多，其變化趨勢的不確定性也在增加。如何通過學習和掌握金融活動規(guī)律，預測其未來的變化趨勢，成為學術界和金融界的關注重點和主要研究內容。有效的金融預測可以為金融計劃和決策的制定提供依據，維持金融市場的健康發(fā)展，使盈利機構的利益最大化。
　　卷積神經網絡是一種模擬生物視覺系統運行機制的多層神經網絡結構。它是由多層卷積層和降采樣層順序連接構成的神經網絡，能夠從原始數據中獲取有

2、用的特征描述，是一種從數據中提取特征的有效方法。目前卷積神經網絡已經成為語音識別、圖像識別及分類、自然語言處理等領域的研究熱點，并在這些領域有了廣泛且成功的應用。因此本文引入卷積神經網絡結構對金融時間序列數據進行預測。
　　本文首先整理和總結了國內外關于金融時間序列的研究方法，簡要介紹了人工神經網絡和深度學習方法，并重點介紹了卷積神經網絡和支持向量機的算法原理。然后改進卷積神經網絡以適合金融時間序列數據，并建立卷積神經網絡和支持向

3、量機融合的混合模型，最后將兩種預測模型應用于金融時間序列數據的預測中。本文主要的研究工作如下：
　?。?）結合金融時間序列數據的特點，改進卷積神經網絡，建立了適用于金融時間序列數據的卷積神經網絡預測模型，并將模型應用于股票指數預測。研究了網絡模型的相關參數對股票指數預測結果的影響；
　　（2）改進卷積神經網絡股票指數預測模型，將卷積神經網提取有效特征的優(yōu)點與支持向量機良好的分類預測能力相結合，給出了一種卷積神經網絡-支持向量