北京深度编码教育靠谱吗学习做股票预测靠谱吗

来源：蜘蛛抓取(WebSpider) 时间：2017-09-29 03:13 标签： 深度学习预测 股票
1、预测股票有效挂单报价
伦敦帝国学院数学系的Justin A. Sirignano在其5月16日的论文中称，利用年纳斯达克市场的489只股票的交易情况，他从中提取了高达50TB的数据。
为了处理如此多的数据，他的测试的硬件包括50块GPU的集群。在对他所建立的“空间神经网络”进行训练和测试后发现，能够提前1秒钟预测到买卖双方的报价情况。
2、金融资产价格变动预测
美国伊利诺伊斯理工大学的Matthew Francis Dixon利用深度学习神经网络，来试图预测43种大宗商品和外汇期货 在未来5分钟的价格变动。
他们的信息接收端包含9896个神经元，用于处理不同合约之间的价格差异和协同效应。在信息输出端有135个神经元。
在不考虑交易成本以及报价区间限制的情况下，他们测试结果的总体准确率达到42%。
3、预测标普500指数波动性
斯坦福大学的Ruoxuan Xiong等人试图通过集成了谷歌趋势和市场数据的LSTM（Long Short-Term Memory）区块来预测标普500指数的波动性。
在数据输入上，他们利用了每日的标普500指数收益率和波动率，还包括25条谷歌趋势，从而将经济的各个主要领域包含进来。
他们最后总结称，这项研究显示了在存在大量噪音的情况下深度学习金融时间序列的潜力。研究中所用的方法能够直接应用于其他的金融变量。
4、优化投资组合
Bartlit Beck Herman Palenchar公司的J. B. Heaton等人试图打造出表现超过美国IBB生物医药指数的投资组合。他们的研究工具包括五个神经元，利用年间IBB成分股票的每周收益数据进行分析。
广发证券：掘金ALPHA因子
金融大数据 下的Alpha因子挖掘多因子Alpha策略是发掘出驱动个股产生Alpha收益的因子，根据有效的Alpha因子设计相应的选股策略，筛选投资的股票组合，以寻找超越市场的股票超额收益。为了获取新的Alpha来源，我们一方面可以对传统因子进行更加深入的挖掘，例如挖掘因子的非线性特征，寻找有效的因子组合。另一方面，我们可以利用更加高效的数据挖掘手段从市场数据中间寻找新的Alpha因子。随着大数据时代的来临，数据挖掘的方法不断革新改进，浩如烟海的市场数据为Alpha的来源提供了巨大的可能性。
深度学习股价预测模型从市场微观结构的角度来说，股票价格的形成和变化是由买卖双方的交易行为决定的，因此，对高频市场行情数据的挖掘有可能获得对未来股票价格走势的有预测能力的模式。
本报告通过样本内大量历史数据训练深度学习预测模型，对以周为频率的中证800股票价格涨跌进行预测，建立起了可以对股价短期内走势进行预测的机器学习模型。
深度学习股票多因子交易策略基于深度学习股价预测模型对股票价格变化的预测得分，本报告提出了股票交易的Alpha策略。在组合规模为100的情况下，该多因子Alpha策略自2011年以来累积收益率超过120%，各年度收益率都超过15%。
- 稳定套利最高
地球上最聪明的人都在这里，你要赚钱就得有本事
要回复问题请先或您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于深度学习的股票市场预测.pdf-综合论文-全文在线阅读-文档投稿赚钱网 7页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：50 &&
你可能关注的文档：
··········
··········
中国科技论文在线
基于深度学习的股票市场预测#
赵志勇，王峰，李元香**
（武汉大学软件工程国家重点实验室，武汉430072 ）
摘要：股票市场在整个金融市场中起着很重要的作用。而股票价格波动的预测是最具有吸引
力并且有意义的研究问题之一。股票价格预测的关键问题是如何设计一个方法可以提高预测
的精度。已有的一些研究指出，传统的一些机器学习的方法都使用浅层的结构，如单隐层的
神经网络和支持向量机。对于有限数量的样本和计算单元，浅层结构难以有效地表示复杂的
函数，并且对于复杂分类问题表现性能及泛化能力均有明显的不足，尤其当目标函数具有丰
富的含义。深度学习可以通过学习一种浅层非线性网络结构，实现复杂函数逼近，表征输入
数据分布式表示，并体现了它对于输入样本数据的强大的本质特征的抽取能力。为了测试深
度学习在股票价格预测问题上的性能，我们用港交所(HKEx)2001 年的交易数据作为测试。
实验结果表明，基于深度学习算法进行股票价格预测模型可以有较好的样本本质特征的抽取
能力，能够反映样本的本质特征，并取得比较好的预测结果。
关键词：深度学习； 股票市场预测； 机器学习； 多源数据处理
中图分类号：TP391
The Stock Market Prediction via Deep Learning
Zhao Zhiyong, Wang Feng, Li Yuanxiang
(State Key Laboratory of Software Engineering, Wuhan University, Wuhan 430072)
Abstract: Stock market plays an important role in nowadays financial markets. And stock price
volatility prediction is regarded as one of the most attractive and meaningful research issues. The
key problem of the stock market prediction is how to design a method to improve the prediction
accuracy. Some existing researches on stock market price volatility prediction have pointed out
architectures
algorithms including
networks with only one hidden layer and support vector machine are using shallow architectures.
Psychology
and finite
computing units,
architectures
representing
restriction
generalization capability of classifying complicated issues, especially
for the rich sensory input.
Deep learning achieves the approximation of complex function ，characterization of th
正在加载中，请稍后...4518被浏览443798分享邀请回答1添加评论分享收藏感谢收起君，已阅读到文档的结尾了呢~~
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
基于深度学习的股票市场预测
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口

我要回帖

更多关于 深度学习预测 股票 的文章

 

随机推荐