毕业论文课题相关文献综述
一、研究背景自2010年中国GDP超过日本，成为世界第二大经济体以来，我国科技进步及正确方针指引使得人均生活水平明显提高，理财观念开始普及。
多年来，风险投资给投资者带来巨大回报的同时，也带来了相当大的损失[1]。
因此，股票市场波动预测对投资者、投资组和经理、资产估值以及风险管理都很重要[2]。
在早期，专业人士就已经开始着手用传统的统计模型，试图分析和预测股价格。
然而，由于股票数据具有高噪声、动态、非线性和非参数等特点[3]，准确地预测股票价格仍是一项具有挑战性的工作。
与传统统计模型相比，深度神经网络可以通过分层特征表示来分析深层和复杂的非线性关系，适合处理股票数据分析这种多因素影响、不稳定、复杂的非线性问题。
近年来，人工智能技术和大数据技术的日趋成熟使其在不同领域中广泛应用提供了可能性。
同时，金融市场正在进一步体系化、完整化，各界都有志于将两种技术应用于股票市场预测上[4]。
互联网的革新提供了海量数据，为机器学习方法付诸实践提供了条件[5]。
本文股票预测的方法是以神经网络模型中的LSTM模型为基础，融入了EMD方法以便于修正LSTM模型中的部分缺陷来预测股票价格。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
