深度學(xué)習(xí)在復(fù)雜金融時(shí)間序列中的應(yīng)用.pdf

1、深度學(xué)習(xí)是人工神經(jīng)網(wǎng)絡(luò)的建模和訓(xùn)練的基礎(chǔ)性工具，自20世紀(jì)80年代初以來(lái)，人工神經(jīng)網(wǎng)絡(luò)技術(shù)在全球范圍迅速發(fā)展傳播，人工神經(jīng)網(wǎng)絡(luò)是在模擬人類(lèi)大腦的構(gòu)造與思維的基礎(chǔ)上而建立起的數(shù)學(xué)模型，能夠處理類(lèi)似圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言等諸多問(wèn)題，引起了國(guó)內(nèi)外學(xué)者的高度廣泛關(guān)注.2006年Hinton等人基于人工神經(jīng)網(wǎng)絡(luò)提出了深度學(xué)習(xí)的概念，深度學(xué)習(xí)是蘊(yùn)含了很多個(gè)隱含層的深度神經(jīng)網(wǎng)絡(luò)，具備更優(yōu)異的特征學(xué)習(xí)的本領(lǐng)，能夠更本質(zhì)的抽象和表達(dá)數(shù)據(jù)，通過(guò)逐層的

2、數(shù)據(jù)初始化來(lái)優(yōu)化數(shù)據(jù)模型訓(xùn)練過(guò)程，進(jìn)而提升模型預(yù)測(cè)分類(lèi)的準(zhǔn)確性.近兩年利用深度學(xué)習(xí)的方法來(lái)處理金融高頻數(shù)據(jù)掀起了一股方興未艾的研究及應(yīng)用浪潮。本論文在第二章開(kāi)始，從人工神經(jīng)網(wǎng)絡(luò)的最基本結(jié)構(gòu)-人工神經(jīng)元開(kāi)始，介紹了其基本的工作原理以及數(shù)學(xué)模型，之后又對(duì)幾個(gè)較為經(jīng)典的神經(jīng)網(wǎng)絡(luò)模型：RBM、DBN、MLP等的網(wǎng)絡(luò)結(jié)構(gòu)及其訓(xùn)練算法進(jìn)行了深入分析。最后提出本文所應(yīng)用的神經(jīng)網(wǎng)絡(luò)，它由一個(gè)MLP網(wǎng)絡(luò)與一個(gè)DBN網(wǎng)絡(luò)耦合而成的深度神經(jīng)網(wǎng)絡(luò)。數(shù)據(jù)采集了滬