改进的卷积神经网络在金融预测中的 应用研究-控制理论与控制工程专业论文.docxVIP

万方数据 万方数据 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研 究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人 或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集 体，均已在文中以明确方式标明。本声明的法律责任由本人承担。 学位论文作者：  日期： 年 月 日 学位论文使用授权声明 本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。 根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部 门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州 大学可以将本学位论文的全部或部分编入有关数据库进行检索，可以采用影印、 缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学 位论文或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑 州大学。必威体育官网网址论文在解密后应遵守此规定。 学位论文作者： 日期： 年 月 日 摘要 摘要 摘要 世界经济正处在快速发展阶段，金融业也随之不断发展，金融活动日益增 多，其变化趋势的不确定性也在增加。如何通过学习和掌握金融活动规律，预 测其未来的变化趋势，成为学术界和金融界的关注重点和主要研究内容。有效 的金融预测可以为金融计划和决策的制定提供依据，维持金融市场的健康发展， 使盈利机构的利益最大化。 卷积神经网络是一种模拟生物视觉系统运行机制的多层神经网络结构。它 是由多层卷积层和降采样层顺序连接构成的神经网络，能够从原始数据中获取 有用的特征描述，是一种从数据中提取特征的有效方法。目前卷积神经网络已 经成为语音识别、图像识别及分类、自然语言处理等领域的研究热点，并在这 些领域有了广泛且成功的应用。因此本文引入卷积神经网络结构对金融时间序 列数据进行预测。 本文首先整理和总结了国内外关于金融时间序列的研究方法，简要介绍了 人工神经网络和深度学习方法，并重点介绍了卷积神经网络和支持向量机的算 法原理。然后改进卷积神经网络以适合金融时间序列数据，并建立卷积神经网 络和支持向量机融合的混合模型，最后将两种预测模型应用于金融时间序列数 据的预测中。本文主要的研究工作如下： （1）结合金融时间序列数据的特点，改进卷积神经网络，建立了适用于金 融时间序列数据的卷积神经网络预测模型，并将模型应用于股票指数预测。研 究了网络模型的相关参数对股票指数预测结果的影响； （2）改进卷积神经网络股票指数预测模型，将卷积神经网提取有效特征的 优点与支持向量机良好的分类预测能力相结合，给出了一种卷积神经网络-支持 向量机混合模型预测股票指数，提高预测精度； （3）建立了基于卷积神经网络的汇率预测模型，研究了模型参数对汇率预 测结果的影响；将卷积神经网络-支持向量机混合预测模型应用于汇率预测中。 通过仿真对比，验证本文给出的两种预测模型的可行性和有效性。 关键词：卷积神经网络；支持向量机；金融预测；时间序列；深度学习；神经 网络；股票预测；汇率预测 I Abstract Abstract Abstract With the development of the world economy, the world finance is in a stage of rapid development and the financial activities are increasing. The uncertainty of the change trend of financial activities is also increasing. How to learn and master the rules of financial activities and predict the future change trend of financial activities become the focus and the main research content of academic and financial areas. Financial prediction can effectively provide the basis for making financial plans and decisions, and then maintain the healthy development of the financial market and maximize the profit of financial organizations. Convolutional neural network is a typical deep learning model. It comes