大創(chuàng)中期答辯

xxxxxxxx研究理學(xué)院xxxxx20202021/5/91一項(xiàng)目簡介1.課題主要運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行滬深300股指的預(yù)測(cè)研究內(nèi)容2.課題采用遺傳算法（GA）、粒子群算法(PSO)等來優(yōu)化神經(jīng)網(wǎng)絡(luò)。提高了神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果。3.預(yù)計(jì)運(yùn)用深度學(xué)習(xí)的方法進(jìn)行預(yù)測(cè)2021/5/92二項(xiàng)目進(jìn)展情況1.閱讀股指波動(dòng)預(yù)測(cè)模型方面書籍選擇合適的股指預(yù)測(cè)與實(shí)現(xiàn)方法2.閱讀機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)方面的論文及書籍3.利用網(wǎng)絡(luò)學(xué)習(xí)python數(shù)據(jù)分析及機(jī)器學(xué)習(xí)。4.用python編寫多種的神經(jīng)網(wǎng)絡(luò)對(duì)股指進(jìn)行預(yù)測(cè)，并進(jìn)行誤差分析。2021/5/93三階段性成果第一階段利用python實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)。利用2015年4月到2017年8月的503組滬深300指數(shù)數(shù)據(jù)進(jìn)行了處理和擬合后利用2017年9月的16組數(shù)據(jù)進(jìn)行股指的預(yù)測(cè)。即運(yùn)用前一天的開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)預(yù)測(cè)當(dāng)日的收盤價(jià)。最終BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)平均相對(duì)誤差為3.226%。開盤價(jià)收盤價(jià)最高價(jià)最低價(jià)當(dāng)日收盤價(jià)2021/5/94三階段性成果第二階段（改進(jìn)）由于BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的初始化需要利用隨機(jī)矩陣，所以它：1、網(wǎng)絡(luò)的收斂性較慢，需要較長的訓(xùn)練時(shí)間；2、容易陷入局部最小值。因此我們可以用具有全局搜索性的遺傳算法或粒子群算法作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法來訓(xùn)練網(wǎng)絡(luò)的權(quán)值和閾值。2021/5/95三階段性成果BP神經(jīng)網(wǎng)絡(luò)GA+BP神經(jīng)網(wǎng)絡(luò)PSO+BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)擬合基本符合股指變化趨勢(shì)前面的峰值部分?jǐn)M合不太理想GA+BP神經(jīng)網(wǎng)絡(luò)的擬合結(jié)果相比于BP神經(jīng)網(wǎng)絡(luò)有了很明顯的改善PSO+BP神經(jīng)網(wǎng)絡(luò)在拐點(diǎn)上擬合結(jié)果優(yōu)于GA+BP神經(jīng)網(wǎng)絡(luò)三種神經(jīng)網(wǎng)絡(luò)的擬合效果對(duì)比圖2021/5/96三階段性成果BP神經(jīng)網(wǎng)絡(luò)GA+BP神經(jīng)網(wǎng)絡(luò)PSO+BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)擬合相對(duì)誤差大致穩(wěn)定在[-0.1,0.1]誤差的波動(dòng)很大，方差很大，擬合結(jié)果不太理想GA+BP神經(jīng)網(wǎng)絡(luò)的擬合結(jié)果誤差相比于BP神經(jīng)網(wǎng)絡(luò)小了很多相對(duì)誤差集中在[-0.05,0.05]波動(dòng)比BP神經(jīng)網(wǎng)絡(luò)擬合有所改善PSO+BP神經(jīng)網(wǎng)絡(luò)相對(duì)誤差集中在[-0.05,0.05]略優(yōu)于GA+BP神經(jīng)網(wǎng)絡(luò)三種神經(jīng)網(wǎng)絡(luò)擬合效果相對(duì)誤差的對(duì)比圖2021/5/97三階段性成果BP神經(jīng)網(wǎng)絡(luò)GA+BP神經(jīng)網(wǎng)絡(luò)PSO+BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)遠(yuǎn)優(yōu)于略優(yōu)于三種神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)平均相對(duì)誤差為3.226%，GA+BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)平均相對(duì)誤差為0.239%，PSO+BP預(yù)測(cè)平均相對(duì)誤差為0.233%。2021/5/98四存在問題及解決方法A1：神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)試目前并沒有一個(gè)特定的規(guī)律經(jīng)過多次調(diào)試的經(jīng)驗(yàn)，才能得到更為精準(zhǔn)的預(yù)測(cè)結(jié)果A2：更高效的算法來提高程序的運(yùn)行效率。如GA,PSO。將訓(xùn)練時(shí)間從1h→15minsQ2：訓(xùn)練神經(jīng)網(wǎng)絡(luò)所用時(shí)間長（權(quán)值、閾值）Q1：進(jìn)行神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)試十分困難。（學(xué)習(xí)率，訓(xùn)練次數(shù)，隱含層網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù)）2021/5/99四存在問題及解決方法1.引進(jìn)新的激活函數(shù)&損失函數(shù)2.用更多數(shù)據(jù)以及指標(biāo)訓(xùn)練（乖離率，成交量，日收益率）A3：如何在現(xiàn)有模型上提高預(yù)測(cè)的精度？Q3：1.增加網(wǎng)絡(luò)層數(shù)2.嘗試運(yùn)用深度學(xué)習(xí)（后期研究的重點(diǎn)）A4：如何優(yōu)化改進(jìn)現(xiàn)有的神經(jīng)網(wǎng)絡(luò)模型？Q4：2021/5/910四存在問題及解決方法BP神經(jīng)網(wǎng)絡(luò)模型和深度學(xué)習(xí)模型BP神經(jīng)網(wǎng)絡(luò)中，采用的是誤差反向傳遞的方式進(jìn)行，根據(jù)預(yù)測(cè)值和實(shí)際值的差值去改變前面各層的參數(shù)，直至收斂。深度學(xué)習(xí)是整體