科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文主要探讨了深度学习算法LSTM的特点及对于处理有时间序列属性数据的优点,并应用于预测股票趋势的研究。与传统的预测股票的股价,预测股票的收益率等最终通过回归的方法得出股价的方法不同,本文采用的方法是把结果通过一个Sigmoid函数转换成一个二分类问题,用以预测股票的上涨下跌的概率。主要通过选取相应的股票的一些基本面及技术指标统计量,并进行标准化处理。得出股票预测概率矩阵,再通过Black-Litterman模型进行投资资产配置。通过两种方法结合能够均衡收益率与风险的关系,在最小化风险的情况下,实现收益的最大化。
