神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)在量化投資中的應(yīng)用.pdf

1、谷歌Alphago在圍棋比賽中以壓倒性優(yōu)勢(shì)擊敗著名九段棋手李世石的消息引起了人們極大的關(guān)注，人工智能和深度學(xué)習(xí)也開始為更多的人所了解。深度學(xué)習(xí)是在人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出的，它是包含多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)，相比于簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)它具備更加強(qiáng)大的學(xué)習(xí)能力，能夠?qū)?shù)據(jù)做出更高層次的抽象，因此實(shí)際應(yīng)用效果也更好。但是深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練一直是個(gè)難題，在2006年以前，深度神經(jīng)網(wǎng)絡(luò)很少在機(jī)器學(xué)習(xí)領(lǐng)域被提起，因?yàn)樗缓糜?xùn)練，而且很容易過度擬合導(dǎo)致泛化能

2、力差。直到2006年，Hinton[6]教授提出了深度學(xué)習(xí)的概念，并通過逐層訓(xùn)練的方法解決了深度神經(jīng)網(wǎng)絡(luò)難以訓(xùn)練的問題。之后，Hinton[7]等人又提出了解決神經(jīng)網(wǎng)絡(luò)過度擬合的Dropout方法，使得深度網(wǎng)絡(luò)的泛化能力得到提高。目前，深度學(xué)習(xí)已經(jīng)廣泛的應(yīng)用到了圖像識(shí)別、語音識(shí)別以及自然語言處理等領(lǐng)域，并掀起了研究的熱潮。
　　本文中將對(duì)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的理論進(jìn)行簡(jiǎn)介和概述，并嘗試將這些理論模型應(yīng)用到金融數(shù)據(jù)中以檢驗(yàn)其實(shí)際應(yīng)用效

3、果。全文共分為四章:第一章簡(jiǎn)單介紹神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的發(fā)展以及本文的組織結(jié)構(gòu);第二章則詳細(xì)介紹簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)以及它的一些改進(jìn)方法;第三章介紹深度學(xué)習(xí)的障礙以及深度學(xué)習(xí)模型;第四章則將神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)方法應(yīng)用到股指期貨數(shù)據(jù)中并比較分析兩者效果。文中從最基礎(chǔ)的感知機(jī)模型開始介紹神經(jīng)網(wǎng)絡(luò)，之后介紹sigmoid神經(jīng)元以及神經(jīng)網(wǎng)絡(luò)，介紹完神經(jīng)網(wǎng)絡(luò)接著介紹它的訓(xùn)練方法以及訓(xùn)練中最常用最基礎(chǔ)的誤差反向傳播算法。之后會(huì)對(duì)神經(jīng)網(wǎng)絡(luò)中的一些問題進(jìn)行分析并

4、針對(duì)具體問題介紹它的相應(yīng)改善方法。在介紹完簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)以后，本文會(huì)以一個(gè)具體例子來介紹深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)的困難之處，然后會(huì)介紹使這些困難得到成功解決的深度學(xué)習(xí)模型。其中會(huì)講到受限玻爾茲曼機(jī)，它是深度信念網(wǎng)絡(luò)的基礎(chǔ)，文中會(huì)對(duì)它做詳細(xì)介紹;還會(huì)講到另外一種在圖像識(shí)別中常用的深度學(xué)習(xí)模型卷積神經(jīng)網(wǎng)絡(luò)模型，文中會(huì)對(duì)其核心思想進(jìn)行詳細(xì)介紹。在介紹完理論部分后，文章的最后嘗試將簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型應(yīng)用到股指期貨收盤價(jià)漲跌預(yù)測(cè)中，其中模型輸入