周生強

摘要：本文以1990年至2017年的上證指數(shù)作為分析對象，利用深度學(xué)習中的LSTM模型，以keras平臺作為工具，以Python3.5作為開發(fā)環(huán)境，建立六層神經(jīng)網(wǎng)絡(luò)，對上證指數(shù)進行預(yù)測，得出了一般情況下增加次迭次數(shù)能夠提高網(wǎng)絡(luò)預(yù)測效果的結(jié)論。

關(guān)鍵詞：上證指數(shù)；LSTM

中圖分類號： F830.91 文獻識別碼：A 文章編號：1001-828X（2017）013-0-01

1943年，心理學(xué)家W·Mcculloch和數(shù)理邏輯學(xué)家W·Pitts在分析、總結(jié)神經(jīng)元基本特性的基礎(chǔ)上首先提出神經(jīng)元的數(shù)學(xué)模型。此模型沿用至今，并且直接影響著這一領(lǐng)域研究的進展。因而，他們兩人可稱為人工神經(jīng)網(wǎng)絡(luò)研究的先驅(qū)。50年代末，F(xiàn)·Rosenblatt設(shè)計制作了“感知機”，它是一種多層的神經(jīng)網(wǎng)絡(luò)。這項工作首次把人工神經(jīng)網(wǎng)絡(luò)的研究從理論探討付諸工程實踐。當時，世界上許多實驗室仿效制作感知機，分別應(yīng)用于文字識別、聲音識別、聲納信號識別以及學(xué)習記憶問題的研究。M.Minsky等仔細分析了以感知器為代表的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的功能及局限后，于1969年出版了《Perceptron》一書，指出感知器不能解決高階謂詞問題。他們的論點極大地影響了神經(jīng)網(wǎng)絡(luò)的研究。人工神經(jīng)網(wǎng)絡(luò)研究陷入低潮。后來人工神經(jīng)網(wǎng)絡(luò)幾經(jīng)沉浮hiton等，2006年2012年，多倫多大學(xué)的 Geoff Hiton利用深度學(xué)習的新技術(shù)，帶領(lǐng)團隊實現(xiàn)了85%的圖像識別準確率。開創(chuàng)了機器學(xué)習的新紀元。從此深度學(xué)習開始從學(xué)術(shù)界走向了工業(yè)界，掀起了改變世界的序幕。

LSTM（Long Short-Term Memory，LSTM）是一種時間遞歸神經(jīng)網(wǎng)絡(luò)，LSTM的結(jié)構(gòu) 由Jürgen Schmidhuber在1997年首次提出。借助遺忘門、記憶們的精妙設(shè)計結(jié)構(gòu)，LSTM適合于處理和預(yù)測時間序列中間隔和延遲非常長的重要事件。

本文的研究數(shù)據(jù)為上證1990年12月29日到2017年5月2日的日線數(shù)據(jù)。共4172根。采用了keras平臺，后端采用Tensorflow引擎。Tensorflow是一個符號主義的張量操作框架，由谷歌公司開發(fā)研制。對金融時序數(shù)據(jù)分析采用的至強處理器，16G內(nèi)存。同時為了加速處理金融數(shù)據(jù)的能力，利用NVIDA顯卡的GPU提升算法性能，整個算法的軟件環(huán)境是在Python3.5上搭建的利用GPU的Tensorflow環(huán)境，以前90%的數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，以后10%的數(shù)據(jù)為預(yù)測數(shù)據(jù)。

首先將上證指數(shù)進行歸一化處理，使用的函數(shù)是g（x）=（f（x）/f（0）-1）.處理后的數(shù)據(jù)進行輸入keras進行計算。本次實驗采用的keras網(wǎng)絡(luò)架構(gòu)如下：

包括兩個Lstm層和四個隱層，每50個為一個輸入序列，輸入的數(shù)據(jù)結(jié)構(gòu)為（4122，50，1），第二層節(jié)點為150個神經(jīng)元，每個隱層的神經(jīng)元為50個，在不同的迭代次數(shù)下，得到如圖所示結(jié)果：（藍色為預(yù)測曲線）

迭代200次的結(jié)果如上圖所示，仍然在100個數(shù)據(jù)點后喪失了預(yù)測能力。

迭代500次后的結(jié)果如圖所示，效果較前兩次好轉(zhuǎn)很多，具有一定的預(yù)測能力。根據(jù)上述實驗，建立了一個粗略預(yù)測上證指數(shù)的Lstm模型，具有一定的預(yù)測能力，在多次迭代后能夠大概預(yù)測股指走向。

參考文獻：

[1]曾志平，蕭海東，張新鵬.基于DBN的金融時序數(shù)據(jù)建模與決策[J].計算機技術(shù)與發(fā)展，2017，4：1-5.

[2]陳曲.淺析在線逆向拍賣[J].現(xiàn)代工業(yè)經(jīng)濟和信息化，2015（21）.

[3]孫小軍，張銀利.股票-債券投資組合問題的數(shù)學(xué)模型及算法[J].系統(tǒng)工程理論與實踐，2015，35（6）：1433-1439.