基于深度学习的量化金融数据分析系统与原型实现

代理获取

页面导航

目录
摘要
著录项
相关主题

摘要

随着全球经济与人工智能的发展，机器学习技术在全球范围内掀起了一股研究热，人工神经网络也得以迅速传播。随后，Hinton等人在人工神经网络的基础上提出了深度学习的思想，简单说，它就是包含多个隐藏层的深度神经网络，具有比人工神经网络更优秀的学习能力，能够对数据做出更加深层次的抽象，优化模型的训练过程，从而使模型表达的精确度更高。金融领域受到人工智能发展的影响，也开始将目光悄悄地投向了深度学习，处理股票历史交易数据，并取得了一定的研究成果。
　　本文旨在深度学习的基础上构建一个量化金融数据分析系统，首先对国内外量化交易的发展现状进行了总述和分析，给出了本系统的详细需求分析，对系统算法策略模块中的关键功能设计并实现了相应的原型。在整个项目的研究过程中，为了避免系统出现出现不可预测的风险，前期选用了比较成熟的配对交易策略和机器学习方法构建整个系统，同时也为更好的理解整个系统和深度学习方法做铺垫。
　　本文的主要工作量体现在如下几个部分：
　　1）在基于深度学习的深度量化策略模块中，首先运用了人工神经网络对沪深300指数的涨跌做方向性预测，训练模型超参数；接着采用了基于限制玻尔兹曼机算法的深度学习策略，使用与神经网络相似的训练机制，得出方向预测的精确度，并将深度学习结果与神经网络结果进行了对比。
　　2）在基于机器学习的量化策略模块中，本系统提供了基于 Apriori关联规则算法的板块联动策略，并对原始的Apriori算法做了一定的改进，促使它能够更加适应金融数据的海量性特征，并在现有的数据条件下找出了各板块间的联动关系。
　　3）在一般量化策略模块中提供了基于协整技术的配对交易策略，该策略根据两只股票的历史股价走势选出“股票对”进行股票交易。
　　4）辅助功能部分主要实现了对金融数据获取平台的处理，使用 Node.js的Addons机制连接第三方公司提供的由C++编写的股票数据获取平台。

著录项

作者
蒋灿;
展开▼
作者单位

电子科技大学;

展开▼
授予单位电子科技大学;
学科软件工程
授予学位硕士
导师姓名陈波;
年度 2017
页码
总页数
原文格式 PDF
正文语种中文
中图分类自动推理、机器学习;
关键词
量化交易; 神经网络; 深度量化策略; 数据分析; 机器学习;

基于深度学习的量化金融数据分析系统与原型实现

目录

摘要

著录项

相关主题

期刊订阅