书目详细信息
： 基于神经网络算法优化的农业板块股票预测的应用与实现
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于神经网络算法优化的农业板块股票预测的应用与实现/.李昂著/.杨建平指导 |
| 出版发行项： | 2021.5.28 |
| 载体形态项： | 53页:;+图表:;+30cm |
| 一般附注： | 大数据学院（信息工程学院）, 学号2019240341 |
| 提要文摘： | 近些年来，中国经济的不断发展，证券市场在社会主义经济建设中成为愈来愈重要的部分，而投资理财也不断成为广大人民群众的生活方式。国家对于农业经济发展政策的支持投入越来越多的精力，农业板股票有了更加明朗的收益前景，在这种背景下，能否预测农业板股票的价格，股票的相关经济指数，是投资者关注的重中之重。伴随着深度学习研究的不断深入，股票预测的研究课题也渐渐成为人们探索的重点。 文章对循环神经网络（RNN），长短期神经网络（LSTM）和门控循环单元（GRU）神经网络构造及内部算法进行详细介绍。同时进行了实证数据分析实验研究。原理上LSTM在技术上它引入了门控的概念，有效的克服了时间序列数据的消失和爆炸的问题，同时在对时间序列数据问题的处理上要远远优于传统的RNN网络，同时LSTM虽然其模型效果相较于RNN有一些优越性，但其内部算法过于繁杂，参数较多，导致训练时间过长，以此引入GRU（优化门控结构）的相关概念，将模型参数减少至三分之一，同时也提高了模型的适用性。 本文选取了农业板股票数据，农发种业和农产品的13年以来的交易数据、技术指标作为样本数据，在进行数据分析时同时选用上证综指证综合指数前复权日线数据，共计6231个交易日的数据进行聚类分析实验。另外，介绍了相应的股票数据预处理具体操作过程和分析结果，并在对股票数据预处理的同时，采用近邻传播算法，对股票数据进行了聚类操作和数据分析，以便投资者选择合适的行业板块进行投资。并尝试通过构建RNN、LSTM及GRU网络模型，研究农业板块2只具体股票的价格及其涨跌幅度进行预测，通过对比实验发现GRU网络模型的性能最优。 文章最后，采用B/S系统架构，通过Django框架搭建了完整的股票预测系统。系统实现了股票实时交易数据展示及下载、股票技术指标计算、股票预测、股票交易等功能。 |
| 并列题名： | The Application and Realization of Agricultural Stock Forecasting Based on Neural Network Algorithm Optimization |
| 题名主题： | 神经网络 股票 技术指标 数据分析 学位论文 |
| 中图分类： | TP391-533 |
| 个人名称等同： | 李昂 著 |
| 个人名称次要： | 杨建平 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20220616 |