日韩精品aⅴ无码av,欧美精品激情久久久久久

內(nèi)容簡介

　　隨著計算機技術(shù)在運算能力、數(shù)據(jù)存儲等方面的快速發(fā)展，傳統(tǒng)股票投資方法的弊端被不斷放大，新興的量化投資方法受到人們的廣泛關(guān)注，依賴計算機技術(shù)的機器學(xué)習(xí)算法越來越多的應(yīng)用在股票研究領(lǐng)域之中。支持向量機、K緊鄰、遺傳算法等多種機器學(xué)習(xí)算法都被成功應(yīng)用于量化投資領(lǐng)域，本書改進(jìn)了FA算法的動態(tài)搜索能力，將MFA算法應(yīng)用于變量的選取及參數(shù)尋優(yōu)，系統(tǒng)地構(gòu)建了基于MFA-SVM的量化擇時模型；針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)層數(shù)不足等局限性，提出一種適用于股票擇時問題的混合CNN-RNN模型，由一維CNN模塊（卷積層和池化層）、RNN模塊（雙層LSTM和雙層GRU）、ReLU激活函數(shù)層組成，并進(jìn)行了實證研究，為相關(guān)學(xué)者后續(xù)研究提供了新思路和新方法。本書可供信息管理與金融類專業(yè)高年級本科生與研究生使用，也可供從事機器學(xué)習(xí)技術(shù)與應(yīng)用研究的科研人員、金融市場數(shù)據(jù)分析人員以及機器學(xué)習(xí)軟件開發(fā)人員參考。.

作者簡介

　　2008年畢業(yè)于北京航空航天大學(xué)系統(tǒng)工程專業(yè)，獲工學(xué)博士學(xué)位?，F(xiàn)為首都經(jīng)濟(jì)貿(mào)易大學(xué)管理工程學(xué)院院長助理。研究領(lǐng)域為量化金融、機器學(xué)習(xí)、風(fēng)險管理等；主持或參與項目16項；發(fā)表SCI、EI等高水平學(xué)術(shù)論文30余篇。

圖書目錄

目錄

1緒論
1.1研究背景及意義
1.1.1研究背景
1.1.2研究意義
1.2研究現(xiàn)狀
1.2.1國內(nèi)研究現(xiàn)狀
1.2.2國外研究現(xiàn)狀
1.3主要貢獻(xiàn)
1.3.1在運用機器學(xué)習(xí)算法方面的主要貢獻(xiàn)
1.3.2在運用深度學(xué)習(xí)算法方面的主要貢獻(xiàn)
2理論基礎(chǔ)
2.1量化擇時
2.1.1擇時策略
2.1.2策略類型
2.1.3市場有效性理論
2.1.4技術(shù)指標(biāo)
2.2支持向量機
2.2.1線性支持向量機
2.2.2非線性支持向量機
2.3深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)
2.3.1卷積神經(jīng)網(wǎng)絡(luò)
2.3.2循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3.3激活函數(shù)
3基于SVM的股票擇時研究
3.1模型構(gòu)建原則
3.1.1數(shù)據(jù)獲取
3.1.2數(shù)據(jù)拆分
3.1.3數(shù)據(jù)預(yù)處理
3.1.4特征指標(biāo)與預(yù)測變量的選擇
3.1.5參數(shù)尋優(yōu)
3.1.6訓(xùn)練擇時模型
3.1.7分析擇時效果
3.1.8測試模型
3.2模型構(gòu)建
3.2.1設(shè)定擇時條件
3.2.2特征指標(biāo)
3.3改進(jìn)算法
3.3.1螢火蟲算法
3.3.2改進(jìn)螢火蟲算法
3.3.3參數(shù)尋優(yōu)
3.4個股實證分析
3.4.1MFA算法有效性驗證
3.4.2個股實證指標(biāo)
3.4.3平安銀行個股實證
3.4.4中信證券個股實證
3.5指數(shù)實證分析結(jié)果
3.5.1中證500指數(shù)
3.5.2創(chuàng)業(yè)板指數(shù)
3.5.3滬深300指數(shù)
4基于深度學(xué)習(xí)的股票擇時研究
4.1指標(biāo)獲取
4.1.1指標(biāo)介紹
4.1.2指標(biāo)可視化
4.2數(shù)據(jù)預(yù)處理
4.2.1數(shù)據(jù)正則化
4.2.2維度分析
4.3混合CNN-RNN模型的構(gòu)建
4.3.1模型構(gòu)建思路
4.3.2模型構(gòu)建流程
4.3.3模型結(jié)構(gòu)
4.3.4模型評估
4.4基于UCI數(shù)據(jù)集的實證研究
4.4.1實驗數(shù)據(jù)
4.4.2參數(shù)設(shè)置
4.4.3實驗結(jié)果
4.5基于股票市場指標(biāo)數(shù)據(jù)的實證研究
4.5.1實驗數(shù)據(jù)
4.5.2參數(shù)設(shè)置
4.5.3實驗結(jié)果
5結(jié)論與展望
5.1結(jié)論
5.2展望
參考文獻(xiàn)
附錄混合CNN-RNN模型代碼