基于DBN的金融時序數(shù)據(jù)建模與決策

曾志平，蕭海東，張新鵬

(1.上海大學(xué) 通信與信息工程學(xué)院，上海 200072；2.中國科學(xué)院 上海高等研究院 智慧城市研究中心，上海 201210)

基于DBN的金融時序數(shù)據(jù)建模與決策

曾志平1,2，蕭海東2，張新鵬1

(1.上海大學(xué) 通信與信息工程學(xué)院，上海 200072；2.中國科學(xué)院 上海高等研究院 智慧城市研究中心，上海 201210)

在金融時序數(shù)據(jù)的分析中經(jīng)常會遇到一些復(fù)雜的非線性系統(tǒng)，利用數(shù)學(xué)方法很難對這些復(fù)雜的系統(tǒng)狀態(tài)方程準(zhǔn)確建模。針對目前金融時序的數(shù)據(jù)分析復(fù)雜性和不確定性等問題，將對復(fù)雜非線性系統(tǒng)的模擬轉(zhuǎn)化為對金融時序數(shù)據(jù)曲線的模式識別，確定了金融時序數(shù)據(jù)上升、下降以及無規(guī)則的各種模式。利用深度學(xué)習(xí)對非結(jié)構(gòu)化數(shù)據(jù)處理的優(yōu)勢，提出了一種改進的基于深度信念網(wǎng)絡(luò)(DBN)決策算法的金融時序數(shù)據(jù)建模與分析方法。將時序數(shù)據(jù)轉(zhuǎn)化為非結(jié)構(gòu)化數(shù)據(jù)，以這些非結(jié)構(gòu)化數(shù)據(jù)作為深度學(xué)習(xí)網(wǎng)絡(luò)的輸入層訓(xùn)練DBN金融時序數(shù)據(jù)模型，應(yīng)用訓(xùn)練好的模型于金融時序數(shù)據(jù)樣本的預(yù)測選取和交易。實驗結(jié)果表明，利用DBN模型選擇的金融數(shù)據(jù)樣本在金融時序數(shù)據(jù)量化的決策分析中的準(zhǔn)確率可達到90.544 2%。

深度信念網(wǎng)絡(luò)；受限玻爾茲曼機；深度學(xué)習(xí)；金融時序數(shù)據(jù)；預(yù)測與決策

0 引 言

目前對于金融時序數(shù)據(jù)分析的方法主要有兩類：基本面分析和技術(shù)面分析[1]。基本面分析是研究影響證券市場供給和需求的各種因素；技術(shù)面分析是研究市場過去和現(xiàn)在的行為對金融市場未來走勢的影響。……