一種基于深度學(xué)習(xí)的A股大盤(pán)指數(shù)預(yù)測(cè)算法

游車(chē)潔菱 卜云

本文根據(jù)深度學(xué)習(xí)的理論，設(shè)計(jì)一種A股上證大盤(pán)指數(shù)的預(yù)測(cè)算法，并結(jié)合經(jīng)驗(yàn)?zāi)B(tài)分解理論，將大盤(pán)指數(shù)分解成不同尺度的分量，并通過(guò)深度自編碼器進(jìn)行降維，輸出信號(hào)作為深度神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)進(jìn)行預(yù)測(cè)。在測(cè)試過(guò)程中，該算法表現(xiàn)出了很好的預(yù)測(cè)性能。

一、引言

隨著現(xiàn)代信號(hào)處理技術(shù)的進(jìn)步，一些時(shí)間序列預(yù)測(cè)算法逐漸被加入到股票預(yù)測(cè)的大家庭中。著名的算法包括移動(dòng)平均、加權(quán)移動(dòng)平均、指數(shù)平滑、線(xiàn)性與非線(xiàn)性回歸等，但都存在滯后性較大的問(wèn)題。

近年來(lái)，隨著深度神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的興起，人們?cè)僖淮慰吹搅苏鞣@一難題的希望。本文提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）加深度自編碼器的算法，用來(lái)預(yù)測(cè)A股大盤(pán)指數(shù)的走勢(shì)。

二、深度學(xué)習(xí)的股票價(jià)格預(yù)測(cè)算法

股票數(shù)據(jù)是一種非線(xiàn)性、非平穩(wěn)的信號(hào)，并且含有大量的噪聲，已有預(yù)測(cè)算法多數(shù)僅適合于平穩(wěn)隨機(jī)信號(hào)。在1998年，黃鍔提出了一種經(jīng)驗(yàn)?zāi)B(tài)分解的方法，適用于非平穩(wěn)環(huán)境，所以非常適合于股票數(shù)據(jù)分析與預(yù)測(cè)。

本文提出了一種結(jié)合EMD、深度自編碼器（SAE）和深度神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)算法，對(duì)未來(lái)一天的大盤(pán)指數(shù)進(jìn)行預(yù)測(cè)，如圖1所示。輸入信號(hào)首先經(jīng)過(guò)EMD分解成多個(gè)IMF分量和余量，并輸入深度自編碼器SAE進(jìn)行壓縮，輸出信號(hào)會(huì)傳遞給深度神經(jīng)網(wǎng)絡(luò)。圖中的y（t）是預(yù)測(cè)信號(hào)，e（t）是預(yù)測(cè)誤差。

（一）經(jīng)驗(yàn)?zāi)B(tài)分解的原理

仿真結(jié)果如圖3所示，其中點(diǎn)劃線(xiàn)是真實(shí)的上證A股指數(shù)，實(shí)線(xiàn)是一步預(yù)測(cè)值。可以看到，在大部分時(shí)間預(yù)測(cè)效果較好。（作者單位：西華大學(xué)西華學(xué)院）