• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    結(jié)合公司財(cái)務(wù)報(bào)表數(shù)據(jù)的股票指數(shù)預(yù)測(cè)方法

    2022-01-05 02:32:12王基厚林培光周佳倩李慶濤蹇木偉
    計(jì)算機(jī)應(yīng)用 2021年12期
    關(guān)鍵詞:股票指數(shù)歷史數(shù)據(jù)降維

    王基厚,林培光,周佳倩,李慶濤,張 燕,蹇木偉

    (山東財(cái)經(jīng)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,濟(jì)南 250014)

    (?通信作者電子郵箱llpwgh@163.com)

    0 引言

    股票市場(chǎng)是國(guó)家經(jīng)濟(jì)的重要組成部分,股票指數(shù)作為反映股市變化的重要標(biāo)志,也反映了國(guó)家經(jīng)濟(jì)發(fā)展變化的情況,同時(shí)股票指數(shù)的變化還影響著投資者的經(jīng)濟(jì)利益。然而受到政治、軍事、宏觀經(jīng)濟(jì)等多種因素的影響,使得股票指數(shù)充滿復(fù)雜性,也使準(zhǔn)確預(yù)測(cè)股票指數(shù)成為一個(gè)困難的問(wèn)題。許多學(xué)者[1-4]通過(guò)增加數(shù)據(jù)特征來(lái)應(yīng)對(duì)這種復(fù)雜性,提高預(yù)測(cè)準(zhǔn)確率。

    有效市場(chǎng)假說(shuō)的半強(qiáng)勢(shì)形式表明,資產(chǎn)價(jià)格完全反映了可公開(kāi)獲得的信息[5]?;谶@個(gè)前提,只要有新的信息進(jìn)入市場(chǎng),價(jià)格就會(huì)發(fā)生變化。在市場(chǎng)中,上市公司以定期報(bào)告和臨時(shí)報(bào)告等形式,向投資者和社會(huì)公眾公開(kāi)披露公司及與公司相關(guān)的信息。研究表明,財(cái)務(wù)披露是預(yù)測(cè)股票指數(shù)變化的一種吸引人的且具有潛在財(cái)務(wù)回報(bào)的手段[6]。因此,本文結(jié)合公司披露信息中的財(cái)務(wù)報(bào)表進(jìn)行股票指數(shù)預(yù)測(cè)研究。

    本文主要工作是提出了一種結(jié)合公司披露的財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行股票指數(shù)預(yù)測(cè)的方法。該方法在使用股票指數(shù)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)的同時(shí)還結(jié)合了公司財(cái)務(wù)報(bào)表數(shù)據(jù),并通過(guò)降維方法處理公司財(cái)務(wù)報(bào)表數(shù)據(jù)形成的高維矩陣,在減少數(shù)據(jù)噪聲影響的同時(shí),保留對(duì)原始數(shù)據(jù)表達(dá)最優(yōu)的數(shù)據(jù)特征。該方法通過(guò)增加數(shù)據(jù)特征來(lái)應(yīng)對(duì)股票指數(shù)波動(dòng)的復(fù)雜性,提高預(yù)測(cè)的準(zhǔn)確性,在滬深300和上證50數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,與其他預(yù)測(cè)方法相比,本文提出的結(jié)合公司財(cái)務(wù)報(bào)表進(jìn)行股票指數(shù)預(yù)測(cè)的方法具有較好的預(yù)測(cè)結(jié)果和較高的準(zhǔn)確度。

    1 相關(guān)工作

    股票市場(chǎng)具有較高的復(fù)雜性,影響股票市場(chǎng)的波動(dòng)存在著多方面的因素,僅僅利用歷史數(shù)據(jù)有局限性,不能完全模擬出復(fù)雜的市場(chǎng)變化。國(guó)內(nèi)外學(xué)者利用金融文本挖掘、金融情緒分析等方法增加數(shù)據(jù)特征來(lái)應(yīng)對(duì)這種復(fù)雜性。如文獻(xiàn)[1]中提出了一種名為StockAssistant 的股票評(píng)論分析方法,該方法綜合考慮股價(jià)走勢(shì)、評(píng)論內(nèi)容、分析師表現(xiàn)等多個(gè)因素,對(duì)股票評(píng)論的可靠性進(jìn)行建模,并通過(guò)真實(shí)股票數(shù)據(jù)的交易模擬清楚地驗(yàn)證了該方法對(duì)股票評(píng)論可靠性建模的有效性;文獻(xiàn)[2]中通過(guò)提取和探索股票的內(nèi)在屬性來(lái)增強(qiáng)股票的趨勢(shì)預(yù)測(cè),并證明了從集體投資行為中提取股票屬性在股票預(yù)測(cè)任務(wù)中的有效性;文獻(xiàn)[3]中提出了一種基于情感分析的金融市場(chǎng)趨勢(shì)預(yù)測(cè)方法,該模型通過(guò)對(duì)股民評(píng)價(jià)進(jìn)行情感分析來(lái)提取情感向量和計(jì)算情感權(quán)重,隨后利用股民情感數(shù)據(jù)和股市歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)研究,并通過(guò)實(shí)驗(yàn)證明,相比一些傳統(tǒng)模型,該方法在較小的樣本集上依舊有很好的預(yù)測(cè)效果;文獻(xiàn)[4]中開(kāi)發(fā)了一種新穎的模糊雙支持向量機(jī),以合并從新聞文章中提取隱藏的主題模型和情感信息,從而預(yù)測(cè)股價(jià)趨勢(shì)。

    數(shù)據(jù)特征的增多,會(huì)帶來(lái)大量噪聲,使預(yù)測(cè)精準(zhǔn)度下降,因此需要降維方法來(lái)進(jìn)行特征提取,以減少噪聲。如文獻(xiàn)[7]中使用小波變換來(lái)處理高度不規(guī)則的金融時(shí)間序列以進(jìn)行數(shù)據(jù)去噪,該方法可以同時(shí)分析金融時(shí)間序列的頻率和時(shí)間分量;文獻(xiàn)[8-9]中進(jìn)行金融時(shí)間序列預(yù)測(cè)研究時(shí),均使用主成分分析(Principal Component Analysis,PCA)消除冗余信息,在保留大部分原始數(shù)據(jù)信息的同時(shí),提高了數(shù)據(jù)質(zhì)量和預(yù)測(cè)響應(yīng)速度。

    近年來(lái),隨著深度學(xué)習(xí)技術(shù)在圖像識(shí)別[10-11]、自然語(yǔ)言理解[12-13]、語(yǔ)音識(shí)別[14-15]等領(lǐng)域的成功應(yīng)用,越來(lái)越多的研究者在金融時(shí)間序列預(yù)測(cè)領(lǐng)域使用深度學(xué)習(xí)技術(shù)。如文獻(xiàn)[16]中采用多層感知器回歸(MultiLayer Perceptron Regression,MLPR)構(gòu)建預(yù)測(cè)模型,并通過(guò)實(shí)驗(yàn)驗(yàn)證了所提出的模型在預(yù)測(cè)準(zhǔn)確性上優(yōu)于比較模型;文獻(xiàn)[17]中提出了一種基于支持向量回歸(Support Vector Regression,SVR)的混合算法,該方法在聚類大量財(cái)務(wù)時(shí)間序列數(shù)據(jù)方面具有巨大潛力,能有效提高預(yù)測(cè)股價(jià)和財(cái)務(wù)指標(biāo)的準(zhǔn)確性。

    在金融時(shí)間序列預(yù)測(cè)領(lǐng)域中,長(zhǎng)短期記憶(Long Short-Term Memory,LSTM)網(wǎng)絡(luò)是應(yīng)用最多的機(jī)器學(xué)習(xí)模型之一。如文獻(xiàn)[18]中結(jié)合注意力(Attention)機(jī)制將LSTM 用于研究互聯(lián)網(wǎng)金融市場(chǎng)動(dòng)態(tài)預(yù)測(cè)問(wèn)題,并通過(guò)實(shí)驗(yàn)驗(yàn)證了所提模型在該問(wèn)題上的有效性與穩(wěn)健性;文獻(xiàn)[19-20]中均使用基于變分模態(tài)分解(Variational Mode Decomposition,VMD)和LSTM的金融數(shù)據(jù)預(yù)測(cè)方法來(lái)進(jìn)行研究,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該模型的優(yōu)越性;文獻(xiàn)[21]中建立了基于LSTM 深度神經(jīng)網(wǎng)絡(luò)的高精度金融市場(chǎng)時(shí)間序列短期預(yù)測(cè)模型,并驗(yàn)證了LSTM 深度神經(jīng)網(wǎng)絡(luò)具有較高的預(yù)測(cè)精度,可以有效地預(yù)測(cè)股市時(shí)間序列。

    本文提出的結(jié)合公司財(cái)務(wù)報(bào)表的股票指數(shù)預(yù)測(cè)方法,在考慮股票指數(shù)歷史數(shù)據(jù)的前提下,融入公司財(cái)務(wù)報(bào)表信息的各項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行股票指數(shù)預(yù)測(cè)。新加入的財(cái)務(wù)指標(biāo)增加了數(shù)據(jù)特征,但是含有大量噪聲,因此需要進(jìn)行數(shù)據(jù)降維,在消除噪聲的同時(shí),提取出有利于預(yù)測(cè)的信息。另外,由于股票指數(shù)歷史數(shù)據(jù)和公司財(cái)務(wù)報(bào)表數(shù)據(jù)的時(shí)間間隔不同,本文使用了雙通道的LSTM 模型,將兩種數(shù)據(jù)從不同的通道輸入模型。使用該方法在滬深300 和上證50 數(shù)據(jù)集上的預(yù)測(cè)實(shí)驗(yàn)表明,結(jié)合公司財(cái)務(wù)報(bào)表進(jìn)行股票指數(shù)預(yù)測(cè)的結(jié)果較好,精度提高。

    2 融入財(cái)報(bào)信息的指數(shù)預(yù)測(cè)方法

    本文提出的結(jié)合公司財(cái)務(wù)報(bào)表的股票指數(shù)預(yù)測(cè)方法如圖1 所示。該方法首先對(duì)股票指數(shù)歷史數(shù)據(jù)和公司財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行預(yù)處理,主要是對(duì)處理公司財(cái)務(wù)報(bào)表數(shù)據(jù)時(shí)生成的高維矩陣進(jìn)行降維,然后用雙通道的LSTM 對(duì)歸一化后的數(shù)據(jù)進(jìn)行預(yù)測(cè)研究。本章主要介紹公司財(cái)務(wù)報(bào)表信息中的財(cái)務(wù)指標(biāo)選取、多種降維方法和所使用的機(jī)器學(xué)習(xí)方法。

    圖1 結(jié)合公司財(cái)務(wù)報(bào)表的股票指數(shù)預(yù)測(cè)方法Fig.1 Stock index forecasting method based on corporate financial statement data

    2.1 財(cái)務(wù)報(bào)表信息

    比率分析法是分析公司財(cái)務(wù)報(bào)表最基本的工具,它通過(guò)財(cái)務(wù)報(bào)表的有關(guān)指標(biāo)的比率計(jì)算來(lái)分析公司的經(jīng)營(yíng)活動(dòng)以及公司目前和歷史的狀況。該方法主要運(yùn)用四類比率進(jìn)行分析,這四類財(cái)務(wù)比率分別反映了公司的償債能力、運(yùn)營(yíng)能力、盈利能力和成長(zhǎng)能力。

    本文方法運(yùn)用這四類財(cái)務(wù)比率中的10 種財(cái)務(wù)比率進(jìn)行股票指數(shù)預(yù)測(cè)研究,分別是反映償債能力的產(chǎn)權(quán)比率、資產(chǎn)負(fù)債率,反映運(yùn)營(yíng)能力的總資產(chǎn)周轉(zhuǎn)率,反映盈利能力的凈資產(chǎn)收益率、總資產(chǎn)凈利率、銷售凈利率,以及反映成長(zhǎng)能力的營(yíng)業(yè)收入增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率、凈資產(chǎn)增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率。在使用這10 種財(cái)務(wù)比率時(shí),需要將該數(shù)據(jù)處理成如式(1)所示的形式:

    其中,ai.j.k表示截止第i天,公司j的第k種比率。本文使用第T天之前3個(gè)季度的公司財(cái)務(wù)報(bào)表數(shù)據(jù)來(lái)預(yù)測(cè)第T天的指數(shù),這三個(gè)季度的數(shù)據(jù)分別保存在三個(gè)矩陣A中。

    2.2 數(shù)據(jù)降維方法和歸一化

    將股票指數(shù)歷史信息與財(cái)務(wù)報(bào)表信息相結(jié)合進(jìn)行股票指數(shù)預(yù)測(cè)研究,在處理財(cái)務(wù)報(bào)表數(shù)據(jù)時(shí)會(huì)形成如式(1)所示的高維矩陣,雖然能為股票指數(shù)預(yù)測(cè)提供更豐富的預(yù)測(cè)信息,但是過(guò)高的維數(shù)會(huì)帶來(lái)大量噪聲,并且會(huì)占用大量的存儲(chǔ)空間,使模型運(yùn)行效率低下,所以需要對(duì)高維矩陣進(jìn)行降維處理,提取出對(duì)原始數(shù)據(jù)表達(dá)最優(yōu)的數(shù)據(jù)集。

    本文分別使用了8 種降維方式來(lái)進(jìn)行實(shí)驗(yàn)對(duì)比,分別是等距映射(Isomap)、快速獨(dú)立成分分析(Fast Independent Component Analysis,F(xiàn)astICA)、局部線性嵌入(Locally Linear Embedding,LLE)、截?cái)嗥娈愔捣纸猓═runcated Singular Value Decomposition,TSVD)、t-Distributed 隨機(jī)鄰域嵌入(tdistributed Stochastic Neighbor Embedding,t-SNE)、核主成分分析(Kernel Principal Component Analysis,KPCA)、多維縮放(Multiple Dimensional Scaling,MDS)和主成分分析(PCA)。

    其中PCA 是最常用的無(wú)監(jiān)督降維算法,該方法通過(guò)尋找最大方差的方向來(lái)進(jìn)行降維,即通過(guò)對(duì)特征的協(xié)方差矩陣進(jìn)行分解來(lái)尋找方差最大維度,將多個(gè)特征變量轉(zhuǎn)化為少數(shù)幾個(gè)主成分,這些主成分之間彼此正交,能反映特征變量的大部分信息,從而達(dá)到降維目的。KPCA 是對(duì)PCA 的一種推廣。該方法通過(guò)非線性變換將原始特征變量映射到高維特征空間,然后在高維特征空間利用PCA 進(jìn)行特征提取。而TSVD則對(duì)特征變量的原始數(shù)據(jù)直接進(jìn)行奇異值分解,找到其中指定的最大的K個(gè)奇異值,從而生成一個(gè)指定維度的分解矩陣,以達(dá)到降維目的。FastICA 是一種線性盲源分離算法,它通過(guò)尋找最大獨(dú)立的方向來(lái)進(jìn)行降維,降維后各個(gè)成分是獨(dú)立的,有利于發(fā)現(xiàn)一些隱藏因素。與PCA 保留數(shù)據(jù)的最大可分性不同,MDS 降維方法更加關(guān)注高維數(shù)據(jù)內(nèi)部的特征。使用MDS 降維后的數(shù)據(jù),樣本之間的歐氏距離在低維空間得以保持。與MDS 類似的降維方法是Isomap,這是一種流形學(xué)習(xí)方法,它與MDS 的不同之處在于計(jì)算樣本距離時(shí)使用了測(cè)地距離。同為流形學(xué)習(xí)降維方法的是LLE,使用該方法進(jìn)行降維,可以保持鄰域內(nèi)樣本之間的線性關(guān)系,即樣本之間的映射坐標(biāo)能夠在低維空間中得以保持。另一種流形學(xué)習(xí)降維方法t-SNE則盡量保證降維前后樣本相互之間的分布概率不變。

    降維后的數(shù)據(jù)表示為如式(2)所示的形式:

    其中,bi,j表示降維后第i天第j維特征的值。本文使用第T天之前3個(gè)季度的公司財(cái)務(wù)報(bào)表數(shù)據(jù)來(lái)預(yù)測(cè)第T天的指數(shù),這三個(gè)季度的數(shù)據(jù)降維后分別保存在三個(gè)矩陣B中。從這三個(gè)矩陣B中分別取出第T行數(shù)據(jù)表示為c1、c2和c3,依式(3)所示組成矩陣cT,其中下標(biāo)1、2、3 分別表示第幾個(gè)季度。要使用cT對(duì)第T天的指數(shù)進(jìn)行預(yù)測(cè),需要對(duì)cT進(jìn)行歸一化以消除變量間的量綱關(guān)系。歸一化計(jì)算方式如式(4)所示:

    其中:yi表示歸一化后的數(shù)據(jù),xi表示歸一化前的數(shù)據(jù),xmin表示數(shù)據(jù)集中的最小值,xmax表示數(shù)據(jù)集中最大值。

    2.3 雙通道的長(zhǎng)短期記憶網(wǎng)絡(luò)

    本文方法使用雙通道的LSTM(如圖2 所示)進(jìn)行股票指數(shù)預(yù)測(cè)。雙通道的LSTM 模型擁有兩個(gè)輸入層,可以將時(shí)間跨度不同的兩組數(shù)據(jù)輸入到模型中,每個(gè)輸入層分別與一層LSTM網(wǎng)絡(luò)層相連接,在LSTM層之后加入Dropout層來(lái)防止過(guò)擬合,然后連接共享網(wǎng)絡(luò)層將兩種信息融合。共享網(wǎng)絡(luò)層之后再連接一層LSTM網(wǎng)絡(luò)層,并在LSTM層之后也加入Dropout層來(lái)防止過(guò)擬合。最后連接一個(gè)Dense輸出層以輸出結(jié)果。

    圖2 雙通道的LSTMFig.2 Dual-channel LSTM

    LSTM[22]是一種時(shí)間循環(huán)神經(jīng)網(wǎng)絡(luò),是目前在金融時(shí)間序列預(yù)測(cè)領(lǐng)域中應(yīng)用最多的機(jī)器學(xué)習(xí)模型之一。LSTM 的優(yōu)越之處在于,它特有的“三門”結(jié)構(gòu),使它不必像常規(guī)循環(huán)神經(jīng)網(wǎng)絡(luò)(Rerrent Neural Network,RNN)那樣在實(shí)際使用過(guò)程中面臨梯度消失的問(wèn)題,也使它能更好地處理長(zhǎng)期依賴問(wèn)題。LSTM 的“三門”結(jié)構(gòu)包括遺忘門(ft決定丟棄信息)、輸入門(it決定更新信息)和輸出門(ot決定輸出信息),具體情況如圖3所示。如圖3 所示,t時(shí)刻的輸入xt與上一時(shí)刻的輸出ht-1先經(jīng)過(guò)遺忘門的sigmoid單元來(lái)決定LSTM 單元狀態(tài)需要丟棄哪些信息,然后經(jīng)過(guò)輸入門的sigmoid 單元來(lái)決定LSTM 單元狀態(tài)需要更新哪些信息,并通過(guò)一個(gè)tanh 層得到新的候選單元信息。舊的單元狀態(tài)Ct-1根據(jù)上述信息來(lái)更新為新的單元狀態(tài)Ct。最后xt與ht-1經(jīng)過(guò)輸出門的sigmoid 單元來(lái)決定LSTM 單元輸出狀態(tài)Ct的值ht。這一過(guò)程的計(jì)算公式如式(5)~(10)所示:

    圖3 LSTM的內(nèi)部結(jié)構(gòu)Fig.3 Internal structure of LSTM

    其中:σ表示sigmoid 激活函數(shù);Wf、Wi、WC、Wo是權(quán)重矩陣;bf、bi、bC、bo是相應(yīng)的偏差矩陣。

    3 實(shí)驗(yàn)與結(jié)果

    3.1 度量標(biāo)準(zhǔn)

    本文使用均方根誤差(Root Mean Squared Error,RMSE)、平均絕對(duì)誤差(Mean Absolute Error,MAE)和平均絕對(duì)百分比誤差(Mean Absolute Percentage Error,MAPE)對(duì)本文所提方法的性能進(jìn)行定量評(píng)價(jià)。式(11)~(13)是這三種標(biāo)準(zhǔn)的計(jì)算方式。

    3.2 數(shù)據(jù)集

    本文使用的數(shù)據(jù)集為上證50指數(shù)和滬深300指數(shù)的股票指數(shù)歷史數(shù)據(jù)以及兩者成分股中的上市公司的財(cái)務(wù)報(bào)表數(shù)據(jù)。其中,上證50 指數(shù)的股票指數(shù)歷史數(shù)據(jù)選用的日期為2015 年1 月5 日至2019 年12 月31 日(共1 219 個(gè)交易日);滬深300 指數(shù)的股票指數(shù)歷史數(shù)據(jù)選用的日期為2017 年1 月3日至2019 年12 月31 日(共731 個(gè)交易日)。本文使用的股票指數(shù)歷史數(shù)據(jù)包括開(kāi)盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)、成交量、成交金額和漲跌幅。在將數(shù)據(jù)整理成監(jiān)督學(xué)習(xí)形式后,使用前80%個(gè)樣本的數(shù)據(jù)作為訓(xùn)練集,其余20%個(gè)樣本的數(shù)據(jù)作為測(cè)試集。數(shù)據(jù)來(lái)源為銳思金融數(shù)據(jù)庫(kù)(www.resset.com)。

    3.3 降維方法對(duì)比實(shí)驗(yàn)

    本節(jié)旨在研究在處理公司財(cái)務(wù)報(bào)表數(shù)據(jù)過(guò)程中,不同降維方法對(duì)預(yù)測(cè)結(jié)果的影響,找出使預(yù)測(cè)結(jié)果最優(yōu)的降維方法。實(shí)驗(yàn)中使用的降維方法分別是FastICA、Isomap、KPCA、LLE、MDS、PCA、t-SNE 和TSVD。實(shí)驗(yàn)結(jié)果如表1 所示:在上證50數(shù)據(jù)集(SSE 50)上,使用PCA 降維方法的RMSE 值最小,使用TSVD 降維方法的MAE 值和MAPE 值最小;在滬深300數(shù)據(jù)集(CSI 300)上,使用TSVD 降維方法的誤差最小,預(yù)測(cè)最精準(zhǔn)。綜合來(lái)看,TSVD 降維方法的效果最好,在后續(xù)的對(duì)比實(shí)驗(yàn)當(dāng)中,將使用以TSVD方法降維的LSTM-TSVD模型進(jìn)行對(duì)比。

    表1 不同降維方法的預(yù)測(cè)效果對(duì)比Tab.1 Comparison of prediction effects of different dimension reduction methods

    3.4 對(duì)比實(shí)驗(yàn)和結(jié)果

    本文實(shí)驗(yàn)中使用第T天之前5 天的股票指數(shù)歷史數(shù)據(jù)和第T天之前3 個(gè)季度的公司財(cái)務(wù)報(bào)表數(shù)據(jù)來(lái)預(yù)測(cè)第T天的指數(shù)收盤價(jià)。實(shí)驗(yàn)中batch_size 為128,epoch 為300。為驗(yàn)證本文方法的可行性與高效性,使用LSTM、CNN-LSTM、LSTMAttention和VMD-LSTM方法進(jìn)行對(duì)比實(shí)驗(yàn)。其中,CNN-LSTM是由CNN 與LSTM 組成的混合網(wǎng)絡(luò),LSTM-Attention 是在LSTM 網(wǎng)絡(luò)中加入注意力機(jī)制的預(yù)測(cè)模型,VMD-LSTM 是一種以VMD方法處理數(shù)據(jù)并結(jié)合LSTM進(jìn)行預(yù)測(cè)的方法。為了更直觀地對(duì)比各個(gè)模型在不同數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果,本文選擇了部分實(shí)驗(yàn)預(yù)測(cè)結(jié)果展示在圖4 和圖5 中,從中可以看出,LSTM-TSVD模型的擬合效果優(yōu)于其他方法。

    圖4 上證50指數(shù)測(cè)試集上的部分預(yù)測(cè)結(jié)果Fig.4 Partial prediction results on SSE 50 Index test set

    圖5 滬深300指數(shù)測(cè)試集上的部分預(yù)測(cè)結(jié)果Fig.5 Partial prediction results on CSI 300 Index test set

    各模型在不同數(shù)據(jù)集上的評(píng)價(jià)指標(biāo)如表2 所示。由表2可以看出,LSTM-TSVD 方法的所有評(píng)價(jià)指標(biāo)均小于其他方法,說(shuō)明與表2中其他預(yù)測(cè)方法相比,LSTM-TSVD方法的預(yù)測(cè)效果最好。

    表2 各模型預(yù)測(cè)效果對(duì)比Tab.2 Comparison of prediction effects of different models

    4 結(jié)語(yǔ)

    本文提出的結(jié)合公司財(cái)務(wù)報(bào)表的股票指數(shù)預(yù)測(cè)方法,在考慮股票指數(shù)歷史數(shù)據(jù)的同時(shí),融入了公司財(cái)務(wù)報(bào)表信息的財(cái)務(wù)指標(biāo)進(jìn)行股票指數(shù)預(yù)測(cè)。新加入的數(shù)據(jù)增加了數(shù)據(jù)的特征數(shù)量,提供了更多的信息以應(yīng)對(duì)復(fù)雜的股票指數(shù)變化。在處理公司財(cái)務(wù)報(bào)表數(shù)據(jù)時(shí),諸多降維方法中,使用TSVD 降維方法的預(yù)測(cè)效果最好。另外,本文使用了雙通道的LSTM 模型,將時(shí)間間隔不同的股票指數(shù)歷史數(shù)據(jù)和公司財(cái)務(wù)報(bào)表數(shù)據(jù)從不同的通道輸入模型。在滬深300和上證50數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,結(jié)合公司財(cái)務(wù)報(bào)表進(jìn)行股票指數(shù)預(yù)測(cè)的結(jié)果較好,精度較高。今后的工作將將嘗試將更多的股票信息數(shù)據(jù)融合到一起,在現(xiàn)有工作的基礎(chǔ)上加入如股民情感信息、新聞信息等。

    猜你喜歡
    股票指數(shù)歷史數(shù)據(jù)降維
    基于充電策略估算動(dòng)力電池容量的方法
    汽車電器(2025年1期)2025-02-03 00:00:00
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    四舍五入惹的禍
    讀者(2023年2期)2023-02-20 08:10:32
    四舍五入惹的禍
    讀者欣賞(2023年2期)2023-01-19 03:08:56
    四舍五入惹的禍
    基于設(shè)備PF性能曲線和設(shè)備歷史數(shù)據(jù)實(shí)現(xiàn)CBM的一個(gè)應(yīng)用模型探討
    智能制造(2021年4期)2021-11-04 08:54:36
    基于故障歷史數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的接地選線方案研究
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    基于布谷鳥(niǎo)算法和支持向量機(jī)的股票指數(shù)預(yù)測(cè)
    基于Hadoop技術(shù)實(shí)現(xiàn)銀行歷史數(shù)據(jù)線上化研究
    嫁个100分男人电影在线观看| 黑人巨大精品欧美一区二区mp4| 男女高潮啪啪啪动态图| 性少妇av在线| 成人手机av| 久久人妻福利社区极品人妻图片| 日本黄色日本黄色录像| 国产91精品成人一区二区三区 | 在线观看舔阴道视频| 9色porny在线观看| 国产免费福利视频在线观看| 老汉色av国产亚洲站长工具| 国产日韩欧美视频二区| 99热网站在线观看| 捣出白浆h1v1| 99国产极品粉嫩在线观看| 精品久久久精品久久久| 亚洲色图 男人天堂 中文字幕| 国产男女超爽视频在线观看| 国产一区有黄有色的免费视频| 成人国产一区最新在线观看| 在线亚洲精品国产二区图片欧美| 国产一级毛片在线| 天天躁夜夜躁狠狠躁躁| 精品人妻一区二区三区麻豆| 色婷婷久久久亚洲欧美| 99国产精品99久久久久| av在线播放精品| 久久久精品94久久精品| 久久久国产一区二区| av网站在线播放免费| 成人国产av品久久久| 黄色 视频免费看| 真人做人爱边吃奶动态| 免费久久久久久久精品成人欧美视频| 国产精品欧美亚洲77777| 精品欧美一区二区三区在线| 欧美亚洲 丝袜 人妻 在线| 亚洲久久久国产精品| 精品一品国产午夜福利视频| 在线亚洲精品国产二区图片欧美| av不卡在线播放| 亚洲国产精品一区三区| 亚洲免费av在线视频| 欧美精品一区二区免费开放| 91av网站免费观看| 19禁男女啪啪无遮挡网站| 日韩电影二区| 精品一区二区三区av网在线观看 | 90打野战视频偷拍视频| 久久精品aⅴ一区二区三区四区| 九色亚洲精品在线播放| 日韩免费高清中文字幕av| 亚洲精品久久午夜乱码| av又黄又爽大尺度在线免费看| 大码成人一级视频| 国产精品欧美亚洲77777| 国产人伦9x9x在线观看| 91大片在线观看| 高潮久久久久久久久久久不卡| 日日爽夜夜爽网站| 正在播放国产对白刺激| 精品一区二区三区四区五区乱码| av超薄肉色丝袜交足视频| 久久人妻熟女aⅴ| 亚洲性夜色夜夜综合| 亚洲av日韩精品久久久久久密| 国产一卡二卡三卡精品| 黑人巨大精品欧美一区二区蜜桃| 丝瓜视频免费看黄片| 精品人妻1区二区| 午夜福利视频在线观看免费| 男女午夜视频在线观看| 精品亚洲成a人片在线观看| 99国产极品粉嫩在线观看| 91成人精品电影| 国产精品影院久久| 天天躁狠狠躁夜夜躁狠狠躁| 在线观看人妻少妇| 亚洲精品国产av蜜桃| 人人澡人人妻人| 国产精品二区激情视频| 亚洲 国产 在线| 两个人看的免费小视频| 国产在线免费精品| 久久国产亚洲av麻豆专区| 精品一区在线观看国产| 亚洲国产av影院在线观看| 久久天躁狠狠躁夜夜2o2o| 精品国产乱码久久久久久男人| 国产伦人伦偷精品视频| 伊人亚洲综合成人网| a级毛片在线看网站| 嫁个100分男人电影在线观看| 亚洲精品久久久久久婷婷小说| 桃红色精品国产亚洲av| 中文欧美无线码| 久久香蕉激情| 日本wwww免费看| 大香蕉久久成人网| 亚洲国产精品一区二区三区在线| 99国产精品免费福利视频| 国产真人三级小视频在线观看| 麻豆乱淫一区二区| 美国免费a级毛片| 日日夜夜操网爽| 黑人猛操日本美女一级片| 久久久精品国产亚洲av高清涩受| 青草久久国产| 精品免费久久久久久久清纯 | 国产精品一区二区免费欧美 | 久久亚洲国产成人精品v| h视频一区二区三区| 亚洲精品国产av蜜桃| 久久久精品区二区三区| 欧美精品亚洲一区二区| 一级黄色大片毛片| 男人爽女人下面视频在线观看| 黑人操中国人逼视频| 手机成人av网站| 日韩一区二区三区影片| 蜜桃国产av成人99| 亚洲av成人不卡在线观看播放网 | 美女主播在线视频| 精品久久久久久电影网| 中文字幕色久视频| 午夜久久久在线观看| 国产97色在线日韩免费| 嫁个100分男人电影在线观看| 亚洲一区二区三区欧美精品| 后天国语完整版免费观看| 各种免费的搞黄视频| 中国国产av一级| 亚洲情色 制服丝袜| 亚洲av电影在线观看一区二区三区| 精品少妇久久久久久888优播| 9191精品国产免费久久| 午夜激情av网站| 另类精品久久| 97在线人人人人妻| 国产精品偷伦视频观看了| 大香蕉久久成人网| 久久久精品国产亚洲av高清涩受| 各种免费的搞黄视频| 国产片内射在线| 国产精品一区二区免费欧美 | 桃花免费在线播放| 18在线观看网站| 如日韩欧美国产精品一区二区三区| tocl精华| 欧美日韩视频精品一区| 成人国语在线视频| 亚洲欧洲精品一区二区精品久久久| 久久国产亚洲av麻豆专区| 亚洲自偷自拍图片 自拍| 激情视频va一区二区三区| av在线app专区| 国产不卡av网站在线观看| 午夜福利免费观看在线| 最近最新中文字幕大全免费视频| 亚洲精华国产精华精| 亚洲色图 男人天堂 中文字幕| 热99re8久久精品国产| 18禁裸乳无遮挡动漫免费视频| 51午夜福利影视在线观看| 久久av网站| 99国产综合亚洲精品| 久9热在线精品视频| svipshipincom国产片| 无限看片的www在线观看| 国产欧美日韩一区二区三区在线| 精品国产乱码久久久久久男人| 日韩一卡2卡3卡4卡2021年| 91精品伊人久久大香线蕉| 亚洲 国产 在线| 国产一区二区三区在线臀色熟女 | 国产极品粉嫩免费观看在线| 精品久久久精品久久久| 国产精品久久久人人做人人爽| 日韩大码丰满熟妇| 美女福利国产在线| 日韩精品免费视频一区二区三区| 日韩一区二区三区影片| 一级毛片电影观看| 亚洲 国产 在线| 精品一区二区三区av网在线观看 | 少妇粗大呻吟视频| 亚洲欧美清纯卡通| 国产av国产精品国产| 免费在线观看完整版高清| 精品亚洲乱码少妇综合久久| 欧美 亚洲 国产 日韩一| 在线观看人妻少妇| a在线观看视频网站| 黄色怎么调成土黄色| av不卡在线播放| 啦啦啦在线免费观看视频4| 正在播放国产对白刺激| 午夜久久久在线观看| 色婷婷av一区二区三区视频| 三级毛片av免费| 无遮挡黄片免费观看| 亚洲一区中文字幕在线| 青青草视频在线视频观看| √禁漫天堂资源中文www| 嫩草影视91久久| 蜜桃国产av成人99| 亚洲欧美激情在线| 下体分泌物呈黄色| 亚洲情色 制服丝袜| 国产亚洲欧美精品永久| 久久久久久久久久久久大奶| 日韩三级视频一区二区三区| 国产精品久久久久久人妻精品电影 | 香蕉丝袜av| 国产精品免费大片| 成年av动漫网址| 亚洲七黄色美女视频| 久久久国产精品麻豆| 俄罗斯特黄特色一大片| 中国国产av一级| 老熟妇仑乱视频hdxx| 久久人妻福利社区极品人妻图片| 久久午夜综合久久蜜桃| 精品亚洲成a人片在线观看| 99国产精品一区二区蜜桃av | 桃花免费在线播放| 麻豆乱淫一区二区| 91av网站免费观看| 精品少妇久久久久久888优播| 乱人伦中国视频| cao死你这个sao货| 美女福利国产在线| kizo精华| 18禁裸乳无遮挡动漫免费视频| 亚洲欧美日韩另类电影网站| 人人妻人人澡人人爽人人夜夜| 久久久久久亚洲精品国产蜜桃av| 99九九在线精品视频| 男女午夜视频在线观看| 18在线观看网站| 久久国产亚洲av麻豆专区| 极品少妇高潮喷水抽搐| 亚洲激情五月婷婷啪啪| 高清av免费在线| 女性被躁到高潮视频| 久久亚洲国产成人精品v| 黄色片一级片一级黄色片| www日本在线高清视频| 亚洲成人国产一区在线观看| 老司机午夜福利在线观看视频 | 久久久久久久大尺度免费视频| 国产男女超爽视频在线观看| 黑人欧美特级aaaaaa片| 午夜影院在线不卡| 99热国产这里只有精品6| 老司机亚洲免费影院| 精品乱码久久久久久99久播| 亚洲第一欧美日韩一区二区三区 | 久久久久久久国产电影| 国产精品久久久久久人妻精品电影 | 国产成人影院久久av| 大片免费播放器 马上看| 午夜福利乱码中文字幕| 日本撒尿小便嘘嘘汇集6| 久久国产精品影院| 久久人妻熟女aⅴ| 黄色怎么调成土黄色| 曰老女人黄片| 91精品国产国语对白视频| 老司机深夜福利视频在线观看 | 欧美xxⅹ黑人| 午夜精品久久久久久毛片777| 日本wwww免费看| 欧美日韩福利视频一区二区| 夫妻午夜视频| 黑人欧美特级aaaaaa片| 欧美日韩国产mv在线观看视频| 亚洲精品第二区| 亚洲成人免费av在线播放| 国产在线一区二区三区精| 美女高潮喷水抽搐中文字幕| 90打野战视频偷拍视频| 叶爱在线成人免费视频播放| 男女下面插进去视频免费观看| 日韩欧美一区二区三区在线观看 | 国产一区二区三区综合在线观看| 天天添夜夜摸| 90打野战视频偷拍视频| 波多野结衣av一区二区av| 国产高清视频在线播放一区 | 亚洲激情五月婷婷啪啪| 久久精品亚洲av国产电影网| 热99re8久久精品国产| 18禁裸乳无遮挡动漫免费视频| 日本猛色少妇xxxxx猛交久久| 久久热在线av| 高清欧美精品videossex| 国产精品国产三级国产专区5o| 亚洲国产欧美日韩在线播放| 搡老岳熟女国产| 日韩熟女老妇一区二区性免费视频| 久久99一区二区三区| 亚洲五月婷婷丁香| 又大又爽又粗| 久久天堂一区二区三区四区| 国产av精品麻豆| 亚洲欧美成人综合另类久久久| 亚洲欧美日韩高清在线视频 | 国产精品欧美亚洲77777| 欧美 亚洲 国产 日韩一| 精品亚洲成国产av| 亚洲中文av在线| 欧美日韩视频精品一区| 久久久国产欧美日韩av| 国产欧美亚洲国产| cao死你这个sao货| 国产精品自产拍在线观看55亚洲 | 50天的宝宝边吃奶边哭怎么回事| 久热爱精品视频在线9| 搡老岳熟女国产| 日韩欧美免费精品| 一区二区av电影网| 亚洲精品久久午夜乱码| 久久国产精品影院| 精品视频人人做人人爽| 欧美日韩中文字幕国产精品一区二区三区 | 国产黄色免费在线视频| 老司机午夜福利在线观看视频 | 亚洲第一欧美日韩一区二区三区 | 中亚洲国语对白在线视频| 最近最新免费中文字幕在线| 国产一区二区三区在线臀色熟女 | 啦啦啦啦在线视频资源| 成年动漫av网址| 亚洲,欧美精品.| 欧美激情高清一区二区三区| 一级,二级,三级黄色视频| 在线精品无人区一区二区三| av免费在线观看网站| 91成人精品电影| 精品国产一区二区三区久久久樱花| 欧美亚洲 丝袜 人妻 在线| 777米奇影视久久| 丝袜美足系列| 成人18禁高潮啪啪吃奶动态图| 国产精品偷伦视频观看了| 亚洲欧洲精品一区二区精品久久久| 狠狠精品人妻久久久久久综合| 99国产精品免费福利视频| e午夜精品久久久久久久| 黄网站色视频无遮挡免费观看| 男女免费视频国产| 久久综合国产亚洲精品| 在线观看一区二区三区激情| bbb黄色大片| 妹子高潮喷水视频| 欧美精品一区二区大全| 王馨瑶露胸无遮挡在线观看| 亚洲精品美女久久久久99蜜臀| 亚洲成国产人片在线观看| 999精品在线视频| 免费观看av网站的网址| av国产精品久久久久影院| 亚洲精品一二三| 亚洲成国产人片在线观看| 悠悠久久av| 男女下面插进去视频免费观看| 91精品伊人久久大香线蕉| 久久亚洲精品不卡| 老司机午夜十八禁免费视频| 国产精品久久久久成人av| 亚洲视频免费观看视频| 国产一区二区在线观看av| 水蜜桃什么品种好| 人妻一区二区av| 精品一区二区三区四区五区乱码| a级毛片黄视频| www.999成人在线观看| 婷婷丁香在线五月| 国产精品久久久久久精品古装| 日韩欧美一区二区三区在线观看 | 久久国产精品人妻蜜桃| 亚洲精品成人av观看孕妇| 一个人免费在线观看的高清视频 | 精品福利观看| videosex国产| 搡老乐熟女国产| 午夜视频精品福利| videosex国产| 操出白浆在线播放| 久久性视频一级片| 久久 成人 亚洲| av天堂在线播放| 久久99一区二区三区| 精品乱码久久久久久99久播| 亚洲七黄色美女视频| 亚洲欧洲日产国产| 欧美乱码精品一区二区三区| 日韩制服丝袜自拍偷拍| 免费人妻精品一区二区三区视频| 我要看黄色一级片免费的| 热99久久久久精品小说推荐| 大码成人一级视频| 欧美 日韩 精品 国产| 亚洲激情五月婷婷啪啪| 国产成+人综合+亚洲专区| 人妻一区二区av| 欧美另类亚洲清纯唯美| 亚洲精品第二区| 亚洲欧美一区二区三区久久| 99国产极品粉嫩在线观看| 亚洲色图 男人天堂 中文字幕| 91九色精品人成在线观看| 欧美在线黄色| 交换朋友夫妻互换小说| 真人做人爱边吃奶动态| 在线永久观看黄色视频| 久久久久国产一级毛片高清牌| 久久久久久久大尺度免费视频| 嫁个100分男人电影在线观看| 国产精品1区2区在线观看. | 免费av中文字幕在线| 亚洲精品一区蜜桃| 三级毛片av免费| 国产精品久久久久久精品古装| a级毛片在线看网站| 女性被躁到高潮视频| 国产有黄有色有爽视频| 我的亚洲天堂| 欧美黑人精品巨大| 91麻豆av在线| 黄片大片在线免费观看| 一区二区三区四区激情视频| 久久精品熟女亚洲av麻豆精品| 少妇人妻久久综合中文| 亚洲精品中文字幕在线视频| av超薄肉色丝袜交足视频| 我要看黄色一级片免费的| 色94色欧美一区二区| 欧美另类一区| 丝瓜视频免费看黄片| 美女脱内裤让男人舔精品视频| 国产亚洲午夜精品一区二区久久| 国产伦人伦偷精品视频| 岛国毛片在线播放| 一级毛片电影观看| 考比视频在线观看| 国产成人啪精品午夜网站| 国产又爽黄色视频| 久久这里只有精品19| 一区二区三区激情视频| 少妇裸体淫交视频免费看高清 | 国产免费视频播放在线视频| 欧美在线黄色| 菩萨蛮人人尽说江南好唐韦庄| 少妇粗大呻吟视频| 久久久久国内视频| 精品卡一卡二卡四卡免费| 午夜免费观看性视频| 99热国产这里只有精品6| 秋霞在线观看毛片| 伊人亚洲综合成人网| 久久久久久久精品精品| 国产精品国产av在线观看| 在线av久久热| www.自偷自拍.com| 欧美激情高清一区二区三区| 一进一出抽搐动态| 动漫黄色视频在线观看| 成年人黄色毛片网站| 欧美亚洲日本最大视频资源| 成年人黄色毛片网站| 建设人人有责人人尽责人人享有的| 嫁个100分男人电影在线观看| 曰老女人黄片| 亚洲欧美一区二区三区黑人| 一本综合久久免费| 亚洲性夜色夜夜综合| 热re99久久国产66热| 老汉色av国产亚洲站长工具| 黄色a级毛片大全视频| 男女床上黄色一级片免费看| 国产精品一区二区免费欧美 | 亚洲av男天堂| 91成人精品电影| 99热网站在线观看| 国产日韩欧美亚洲二区| 老司机午夜十八禁免费视频| 国产日韩欧美亚洲二区| 各种免费的搞黄视频| 国产日韩欧美在线精品| 777米奇影视久久| 日韩精品免费视频一区二区三区| 免费久久久久久久精品成人欧美视频| 成人国产一区最新在线观看| 精品久久久久久电影网| 精品人妻1区二区| 日本vs欧美在线观看视频| 精品亚洲乱码少妇综合久久| 日韩一卡2卡3卡4卡2021年| 精品亚洲成国产av| 免费不卡黄色视频| 日韩制服丝袜自拍偷拍| 性少妇av在线| 韩国精品一区二区三区| 久久久精品国产亚洲av高清涩受| 啦啦啦啦在线视频资源| 中文欧美无线码| 精品国产超薄肉色丝袜足j| 国产一区二区三区av在线| 一区二区三区激情视频| 久久精品亚洲av国产电影网| 韩国高清视频一区二区三区| 亚洲av欧美aⅴ国产| 老司机亚洲免费影院| 亚洲欧美一区二区三区黑人| 99国产精品一区二区三区| 91av网站免费观看| 老司机深夜福利视频在线观看 | 少妇猛男粗大的猛烈进出视频| 日本黄色日本黄色录像| 久久久久久久精品精品| 亚洲国产日韩一区二区| 在线观看免费高清a一片| 亚洲精品国产精品久久久不卡| 国产av国产精品国产| 国产欧美亚洲国产| 国产1区2区3区精品| 欧美日本中文国产一区发布| 中国国产av一级| 美女高潮喷水抽搐中文字幕| 淫妇啪啪啪对白视频 | 别揉我奶头~嗯~啊~动态视频 | 久久久国产成人免费| 国产一级毛片在线| 99精品久久久久人妻精品| 在线亚洲精品国产二区图片欧美| 国产麻豆69| 丝袜喷水一区| 午夜成年电影在线免费观看| 蜜桃在线观看..| 人人澡人人妻人| 欧美激情极品国产一区二区三区| 免费一级毛片在线播放高清视频 | 久久精品人人爽人人爽视色| 久久热在线av| 精品乱码久久久久久99久播| 国产成人av激情在线播放| 国产一区二区三区综合在线观看| 精品高清国产在线一区| 91av网站免费观看| 在线 av 中文字幕| 巨乳人妻的诱惑在线观看| 亚洲人成77777在线视频| 一级毛片精品| 亚洲精品美女久久久久99蜜臀| 亚洲 欧美一区二区三区| 日本黄色日本黄色录像| 少妇猛男粗大的猛烈进出视频| 国产精品自产拍在线观看55亚洲 | 免费高清在线观看日韩| 搡老熟女国产l中国老女人| 国产有黄有色有爽视频| 欧美精品啪啪一区二区三区 | 一级片'在线观看视频| 80岁老熟妇乱子伦牲交| 久久国产精品人妻蜜桃| 日韩,欧美,国产一区二区三区| 国产精品一区二区免费欧美 | 久久热在线av| 十八禁网站网址无遮挡| 啦啦啦在线免费观看视频4| 午夜福利免费观看在线| 搡老熟女国产l中国老女人| 久久人妻熟女aⅴ| 欧美精品啪啪一区二区三区 | 久久影院123| 啦啦啦 在线观看视频| 亚洲成人手机| 国内毛片毛片毛片毛片毛片| 超碰成人久久| 一级,二级,三级黄色视频| 久久久久久免费高清国产稀缺| 欧美日韩福利视频一区二区| 女人高潮潮喷娇喘18禁视频| 777米奇影视久久| 久久天堂一区二区三区四区| 黄片播放在线免费| 日韩熟女老妇一区二区性免费视频| 国产成+人综合+亚洲专区| 亚洲av欧美aⅴ国产| 久久久久久免费高清国产稀缺| 精品国产一区二区久久| 国产亚洲av片在线观看秒播厂| 久久久久国产一级毛片高清牌| 午夜福利一区二区在线看| 国产精品 欧美亚洲| 午夜91福利影院| 国产免费福利视频在线观看| 在线 av 中文字幕| 久久性视频一级片| 丝瓜视频免费看黄片| 自拍欧美九色日韩亚洲蝌蚪91| 午夜影院在线不卡| www.av在线官网国产| 在线观看免费高清a一片| 91av网站免费观看| 九色亚洲精品在线播放| 亚洲黑人精品在线| 欧美日韩黄片免| 免费不卡黄色视频| 成年动漫av网址| 久久99热这里只频精品6学生| 国产三级黄色录像|