文档介绍：第39卷第1期数字技术与应用
2021年 1月 Digital Technology &Application January2021年第 20211 期
设计开发 DOI:.cn12-
构建多层循环神经网络结构对金融指标数据的验证分析
刘超云1 谢玮2
(,广西南宁 530022;,广西南宁 530022)
摘要:我们构建了一种多层循环神经网络来对金融股票指标数据进行测试,分析多种指标算法组合用来预测股票走势的
可靠性。在实际的股票分析当中,通常会选择不同的技术指标或者指标组合对趋势进行判断,但在验证这些金融技术指标组
合可靠性上需要时间和实践去验证,利用循环神经网络去分析过滤指标数据生成预测数据,通过对预测数据和真实数据对比,
我们可以验证出哪个股票技术指标组合对股票投资决策是可靠的。
关键词: 金融技术指标；循环神经网络；损失函数；神经网络设计；股票趋势预测
中图分类号:TP183 文献标识码:A 文章编号:1007-9416(2021)01-0157-03
1 传统的金融分析机器学****方法点,对数据信息状态能够进行记忆。同时,基础的rnn非常
在金融数据分析领域(股票、期货),我们最常用的指标有依赖前一时刻的网络状态(Previous States),在每个时刻
MA、RSI、MACD等,预测分析用机器学****方法常用的有线性 (Timestep)都会与前一时刻的网络状态相关联(一般为输
回归计算、SVM支持向量机,朴素贝叶斯和随机森林(决策入向量卷积状态向量)通过rnn内部结构得出输出和下一
树)算法等。这些传统的机器学****算法大多都是回归算法的时刻的状态, 以此反复循环训练并得出最佳结果, 也可
衍生,对过去时刻的数据的特征学****缺乏连续性记忆[1]。以用到金融分析[4]。
还有一个常用于预测的马尔科夫模型(Markov models), 循环神经网络(RNN)其实是前馈神经网络的进一步
其最基本的模型就是马尔科夫链, 就是用来确定一系列