游車潔菱 卜云

本文根據(jù)深度學(xué)習(xí)的理論，設(shè)計一種A股上證大盤指數(shù)的預(yù)測算法，并結(jié)合經(jīng)驗?zāi)B(tài)分解理論，將大盤指數(shù)分解成不同尺度的分量，并通過深度自編碼器進行降維，輸出信號作為深度神經(jīng)網(wǎng)絡(luò)的輸入信號進行預(yù)測。在測試過程中，該算法表現(xiàn)出了很好的預(yù)測性能。

一、引言

隨著現(xiàn)代信號處理技術(shù)的進步，一些時間序列預(yù)測算法逐漸被加入到股票預(yù)測的大家庭中。著名的算法包括移動平均、加權(quán)移動平均、指數(shù)平滑、線性與非線性回歸等，但都存在滯后性較大的問題。

近年來，隨著深度神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的興起，人們再一次看到了征服這一難題的希望。本文提出了一種基于經(jīng)驗?zāi)B(tài)分解（EMD）加深度自編碼器的算法，用來預(yù)測A股大盤指數(shù)的走勢。

二、深度學(xué)習(xí)的股票價格預(yù)測算法

股票數(shù)據(jù)是一種非線性、非平穩(wěn)的信號，并且含有大量的噪聲，已有預(yù)測算法多數(shù)僅適合于平穩(wěn)隨機信號。在1998年，黃鍔提出了一種經(jīng)驗?zāi)B(tài)分解的方法，適用于非平穩(wěn)環(huán)境，所以非常適合于股票數(shù)據(jù)分析與預(yù)測。

本文提出了一種結(jié)合EMD、深度自編碼器（SAE）和深度神經(jīng)網(wǎng)絡(luò)的預(yù)測算法，對未來一天的大盤指數(shù)進行預(yù)測，如圖1所示。輸入信號首先經(jīng)過EMD分解成多個IMF分量和余量，并輸入深度自編碼器SAE進行壓縮，輸出信號會傳遞給深度神經(jīng)網(wǎng)絡(luò)。圖中的y（t）是預(yù)測信號，e（t）是預(yù)測誤差。

（一）經(jīng)驗?zāi)B(tài)分解的原理

仿真結(jié)果如圖3所示，其中點劃線是真實的上證A股指數(shù)，實線是一步預(yù)測值?？梢钥吹?，在大部分時間預(yù)測效果較好。（作者單位：西華大學(xué)西華學(xué)院）