基于人工神经网络模型的金融板块指数走势研究

• 作者: 刘闯 杨义 章剑林
• 来源期刊: 软件
• 学科: 工学
• 关键词: 神经网络 板块指数 国债 数据预处理
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 140-146,185
• 页数: 8页
• 分类号: TP391.41
• 字数: 6374字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2020.08.038

摘要

分析并预测股票市场中板块指数的涨跌是自股票市场创立以来,受到持续关注的研究热点之一.但由于股票市场具有非线性的时序特征,使得这一研究方向进展得颇为坎坷.而神经网络恰好在一定程度上可以捕捉非线性特征,这给研究带来了一种可能的途径.本文基于长短期记忆网络(LSTM)和全连接神经网络(FCNN)设计模型,将大盘行情指数、关联板块指数和金融板块三个方面的历史价格和成交量以及十年期国债收益率的历史价格作为输入,对TDX金融行业指数涨跌的走势进行研究.实证结果表明使用39天的先验数据使得走势预测效果最优,达到了理想的预测效果,且没有出现过拟合.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章剑林	杭州师范大学阿里巴巴复杂科学研究中心	15	366	6.0	15.0
2	杨义	杭州师范大学阿里巴巴复杂科学研究中心	1	0	0.0	0.0
3	刘闯	杭州师范大学阿里巴巴复杂科学研究中心	3	0	0.0	0.0