深度學習在復雜金融時間序列中的應用.pdf

1、深度學習是人工神經(jīng)網(wǎng)絡的建模和訓練的基礎性工具，自20世紀80年代初以來，人工神經(jīng)網(wǎng)絡技術在全球范圍迅速發(fā)展傳播，人工神經(jīng)網(wǎng)絡是在模擬人類大腦的構造與思維的基礎上而建立起的數(shù)學模型，能夠處理類似圖像識別、語音識別、自然語言等諸多問題，引起了國內外學者的高度廣泛關注.2006年Hinton等人基于人工神經(jīng)網(wǎng)絡提出了深度學習的概念，深度學習是蘊含了很多個隱含層的深度神經(jīng)網(wǎng)絡，具備更優(yōu)異的特征學習的本領，能夠更本質的抽象和表達數(shù)據(jù)，通過逐層的

2、數(shù)據(jù)初始化來優(yōu)化數(shù)據(jù)模型訓練過程，進而提升模型預測分類的準確性.近兩年利用深度學習的方法來處理金融高頻數(shù)據(jù)掀起了一股方興未艾的研究及應用浪潮。本論文在第二章開始，從人工神經(jīng)網(wǎng)絡的最基本結構-人工神經(jīng)元開始，介紹了其基本的工作原理以及數(shù)學模型，之后又對幾個較為經(jīng)典的神經(jīng)網(wǎng)絡模型：RBM、DBN、MLP等的網(wǎng)絡結構及其訓練算法進行了深入分析。最后提出本文所應用的神經(jīng)網(wǎng)絡，它由一個MLP網(wǎng)絡與一個DBN網(wǎng)絡耦合而成的深度神經(jīng)網(wǎng)絡。數(shù)據(jù)采集了滬