分享到:

《时间序列与金融数据分析》

《时间序列与金融数据分析》,陈毅恒著,黄长全译,中国统计出版社出版。该书的原文本于2002年由美国著名的W  (本文共1页) 阅读全文>>

宁夏大学
宁夏大学

基于深度学习的金融数据分析系统设计与实现

金融市场是当今经济全球化的重要组成部分,金融系统的波动对于社会经济的影响巨大。挖掘金融市场的规律,寻找交易机会,规避市场风险是金融界一直以来研究的重点。近年来,随着深度学习技术的快速发展,人工智能技术在金融领域得到越来越多的重视,FinTech、量化金融等技术成为人工智能领域的一个重要的研究领域。本文首先介绍金融数据分析系统的研究背景及意义,通过对常用的金融数据预测方法进行介绍,分析并对比其优缺点,以及介绍现阶段国内外研究现状。其次,本文针对金融数据预测的方法使用了深度学习领域中长短时间记忆(LSTM)算法、循环神经网络(RNN)算法、编码-解码(Seq2Seq)算法进行对比分析,并以A股数据进行验证算法的有效性。最后本文以基于深度神经网络的预测算法和分析方法作为关键技术,面向股票、期货和其它金融交易产品,采用规范的软件工程的需求分析和系统设计方法,Python和PHP的混合语言框架、前后端分离的设计思想,对金融数据分析系统进行...  (本文共67页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

基于流形学习的金融数据分析方法研究

2008年全球金融危机让全球经济陷入前所未有的困境,人们意识到金融风险防范的重要性,人们迫切需要在海量的金融数据中找到反映市场本质的和规律性的特征,为金融投资提供决策支持,使投资者能做好金融危机的风险防范,从而规避和减少危机带来的损失。流形学习是近年兴起的非线性数据特征提取方法,旨在从高维数据中挖掘出数据的本质特征和内在规律,目前已成为数据挖掘、模式识别和机器学习等领域的研究热点。本文针对金融数据集的结构特点,提出了面向金融数据集的流形学习算法,在金融数据的分析和实际应用中,取得了较好的实践效果。本文的主要研究工作和创新之处如下:(1)运用流形学习的理论和思想,从空间几何的视角,挖掘高维财务数据集中内蕴的结构,从而发现财务数据中内在的、规律性的特征,提出了一种基于核熵的流形学习算法(KEML)。由于经典的流形学习算法所采用的距离度量不适合作为财务数据点间的差异度量,而且在处理数据输出时均采用线性映射函数,未能有效读取非线性的数据...  (本文共115页) 本文目录 | 阅读全文>>

《中国科学院研究生院学报》2003年02期
中国科学院研究生院学报

DNA序列分析法在金融数据时间序列中的应用

通过线性分段将连续性的金融时间序列转化为离散性的字符序列,并...  (本文共5页) 阅读全文>>

《今日科苑》2007年12期
今日科苑

时间序列与金融数据实例分析——国库券的月份利率预测方法

金融时间序列是经济领域中最为重要的数...  (本文共1页) 阅读全文>>

上海交通大学
上海交通大学

基于相似性挖掘的金融数据分析系统的研究与应用

随着经济体制改革的深化,我国金融市场不断地发展与完善,各种金融产品也成为了普通民众关心的热门话题。在不同的金融系统中,大量的在线交易如股票、债券、外汇、期货等会产生各种交易数据,对他们的分析也成为了计算机技术研究的热门问题。现有的金融数据软件重点还是在于数据的展示,对数据的分析做的很不够。本文将数据挖掘技术应用到金融数据分析系统之中,以股票数据的分析为例,着重利用相似性技术通过对历史数据的挖掘给用户当前决策以参考。文章大体可分为两个部分,首先对数据分析中的关键问题——金融数据在计算机中的表示和相似性度量方法进行了研究,对通用的时间序列数据的表示和相似性度量方法进行了分析,提出了适合金融证券数据分析的改进方法,并通过实验进行了验证。这种方法一方面可用于对股票自身历史数据的挖掘,通过搜索历史相似区间,来对今后的趋势进行分析;另一方面可用于对股票之间的联系进行挖掘,通过搜寻趋势相近或相异的股票,确定合理的投资策略。然后利用软件工程的思...  (本文共81页) 本文目录 | 阅读全文>>