1. 毕业设计（论文）的内容和要求
人工智能目前已经在金融证券投资领域得到广泛应用，指数预测、择时交易、投资组合策略、算法交易等量化交易方面近年来出现了大量采用机器学习特别是深度学习算法的系统，摩根大通的在2017年的一份报告显示，基于计算机公式和机器交易的量化投资远远把人类股票交易员甩在身后，现在股票市场交易已由量化投资所主宰，研究深度学习算法在金融投资领域的应用很有必要。
LSTM Networks作为递归神经网络（RNNs）的一种，相比比一般的RNNs，在处理和预测时间序列相关的数据时有更优异的表现。
本课题针对创业板50ETF基金（159949），建立LSTM预测模型，可应用与创业板50ETF成分股预测。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 参考文献
[1]Matiur Rahman Minar等. Recent Advances in Deep Learning: An Overview[OL].https://arxiv.org/pdf/1807.08169v1.pdf.[2]黄茗. 利用深度学习预测股票涨跌：A H股实证分析[D].山东大学，2018[3]黄丽明等. 基于循环神经网络和深度学习的股票预测方法[J].广西师范大学学报 (自然科学版). 2019,37(01).[4]李铭. 基于深度学习的股票市场预测研究[D]. 南京邮电大学，2019.4.[5]周恺越. 基于深度学习的股票预测方法的研究与实现[D]. 北京邮电大学，2018.[6]王小川. Python与量化投资：从基础到实战[M].电子工业出版社，2018.3.[7]何海群. 零起点TensorFlow与量化交易[M].电子工业出版社，2018.4.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
