跳到主要內容

臺灣博碩士論文加值系統

(44.200.194.255) 您好!臺灣時間:2024/07/23 12:45
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:杜侑軒
研究生(外文):TU, YU-HSUAN
論文名稱:基於長短期記憶模型之股市價格預測研究
論文名稱(外文):Research on Stock Market Price Prediction Based on Long-Short-Term Memory Model
指導教授:鐘國家鐘國家引用關係
指導教授(外文):JONG, GWO-JIA
口試委員:余國正翁健二王在德鐘國家
口試委員(外文):YU, GWO-JENGWENG, CHIEN-ERHWANG, TZAI-DERJONG, GWO-JIA
口試日期:2020-06-23
學位類別:碩士
校院名稱:國立高雄科技大學
系所名稱:電子工程系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2020
畢業學年度:108
語文別:中文
論文頁數:61
中文關鍵詞:機器學習長短期記憶模型股價預測
外文關鍵詞:Machine Learning,Long Short-Term Memory (LSTM)Stock Price Predication
相關次數:
  • 被引用被引用:0
  • 點閱點閱:160
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
目前股票市場上存有上百種技術指標提供投資人作為投資選擇的參考。本論文將以台灣積體電路製造股份有限公司自金融風暴後(2010年1月4日至2019年12月31日)之股市價格為樣本。然後使用機器學習中的長短期記憶模型(Long Short-Term Memory, LSTM)執行股價格預測並以皮爾森積差相關係數與均方根誤差值比較結果。
由於類神經網路中的長短期記憶模型適合進行時間序列的預測,股票市場中的股價資料成為了最好的比較素材。透過長短期記憶模型預測的結果可以觀察到預測的結果與實際股價相當接近,股價的漲跌趨勢也相同。由此可知LSTM應用於股價預測的案例具有相當的準確度。
There are currently hundreds of technical indicators on the stock market to provide investors with a reference for investment choices. In this thesis, we used Taiwan Semiconductor Manufacturing Company (TSMC) 'stock price after the financial crisis (January 4, 2010 to December 31, 2019) as a sample. We use Long Short-Term Memory (LSTM) in machine learning to perform stock price prediction and compare the results with the Pearson Product-Moment Correlation Coefficient and the Root-Mean-Square Error value.
Since the LSTM model in the neural network is used for time series prediction, the stock price data in the stock market has become the best comparison material. Through the prediction result of LSTM, it can be observed that the predicted result is quite close to the actual stock price, and the trend of stock price fluctuations is also the same. It can be seen that the case where LSTM is applied to stock price prediction has considerable accuracy.
中文摘要 I
Abstract II
目錄 III
圖目錄 V
表目錄 VII
名詞縮寫表 VIII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 論文架構 4
第二章 文獻探討 5
2.1 類神經網路 5
2.2 循環神經網路 9
2.3 長短期記憶 11
第三章 研究步驟及方法 17
3.1 研究架構 17
3.2 輸入與輸出資料 19
3.3 模型設計 20
3.3.1正規化 20
3.3.2優化器 20
3.3.3損失函數 22
3.3.4模型參數設計 23
3.4 研究平台 24
3.4.1 Jupyter-Notebook 24
3.4.2 Keras 25
3.4.3 CUDA 28
3.5 驗證方式 29
3.5.1 均方根誤差 29
3.5.2 皮爾森積差相關係數 30
第四章 研究結果與討論 32
4.1訓練資料 32
4.2 訓練步長的影響 33
4.3 神經元數量的影響 35
4.4 層數的影響 37
4.5 預測結果比較 39
第五章 結論與未來展望 42
5.1 結論 42
5.2 未來展望 43
參考文獻 44
論文發表 47
誌謝 48
自傳 49
[1] 范揚志,“應用類神經網路與基因演算法於射出成形製程參數最佳化之研究”,碩士論文,國立中華大學科技管理研究所碩士班,2006。
[2] 洪振家,“以模糊時間序列為主的類神經網路方法預測臺灣證券交易所股價指數選擇權價格”,碩士論文,國立臺灣科技大學資訊管理學系碩士班,2009。
[3] 陳志龍,“運用類神經網路與技術指標預測股票型基金漲跌及交易時機之研究–以臺灣50指數股票型基金為例”,碩士論文,朝陽科技大學資訊管理系碩士班,2006。
[4] 林政謙,“應用平滑支撐向量機與類神經網路預測台灣上市電子指數漲跌之研究”,碩士論文,東吳大學經濟所碩士班,2006。
[5] 黃士倫,“結合遞迴神經網路與自編碼器之時頻遮罩估計應用於語音強化”,碩士論文,國立交通大學電控工程研究所碩士班,2020。
[6] 李尚益,“一個使用長短期記憶神經網路模型於高頻交易環境的研究”,碩士論文,國立高雄大學資訊工程研究所,2019。
[7] 張嘉文,“以LSTM模型預測台指期1分鐘漲跌結果”,碩士論文,國立臺北大學統計學系,2019。
[8] 郜榮光,“以國際股價指數與技術指標預測原油期貨價格趨勢之準確度比較-LSTM模型之應用”,碩士論文,天主教輔仁大學金融與國際企業學系,2019。
[9] 林柏維,“以批次更新改良基於啟發式演算法的深度學習最佳化器”,碩士論文,國立中興大學資訊科學與工程學系碩士班,2019。
[10] 盧為丞,“LINEX、INLF與RINLF損失函數在風險評估上之比較研究”,碩士論文,國立成功大學統計學研究所碩士班,2009。
[11] 陳煜文,“以委託單資料預測當日股價趨勢-LSTM類神經網路模型之應用”,碩士論文,天主教輔仁大學金融與國際企業學系,2018。
[12] 蔡淳晴,“應用機器學習機制於物件影像辨識之研究-以TensorFlow為例”,碩士論文,國防大學管理學院資訊管理學系碩士班,2019。
[13] 戴淑瑩,“臺灣50指數ETF整合型預測之研究”,碩士論文,國立成功大學統計學研究所,2007。
[14] 林建發,“基於遞移皮爾森積差相關係數粒子群優演算法應用於高光譜影像降維”,碩士論文,國立臺北科技大學電機工程系碩士班,2016。
[15] 鄭余建,“以總體經濟變數預測上海A股指數—長短期記憶網路之應用”,碩士論文,天主教輔仁大學金融與國際企業學系,2018。
[16] H. Xiao, M. Butlin, A. Qasem, I. Tan, D. Li and A. P. Avolio, "N-Point Moving Average: A Special Generalized Transfer Function Method for Estimation of Central Aortic Blood Pressure," in IEEE Transactions on Biomedical Engineering, vol. 65, no. 6, pp. 1226-1234, June 2018.
[17] G. Marcel and B. Sander, "Editorial: Artificial Neural Networks as Models of Neural Information, " in Frontiers in Computational Neuroscience, vol. 11, pp.114, 2017.
[18] W. S. McCulloch and W. Pitts, "A logical calculus of the ideas immanent in nervous activity, " in The bulletin of mathematical biophysics, vol. 5, Issue 4, pp 115–133, December 1943.
[19] A. Y. Alanis, "Electricity Prices Forecasting using Artificial Neural Networks," in IEEE Latin America Transactions, vol. 16, no. 1, pp. 105-111, Jan. 2018.
[20] T. Lin, H. Tseng, Y. Wen, F. Lai, C. Lin and C. Wang, "Reconstruction Algorithm for Lost Frame of Multiview Videos in Wireless Multimedia Sensor Network Based on Deep Learning Multilayer Perceptron Regression," in IEEE Sensors Journal, vol. 18, no. 23, pp. 9792-9801, 1 Dec.1, 2018.
[21] Y. Chien, J. Chen and S. S. Xu, "A Multilayer Perceptron-Based Impulsive Noise Detector With Application to Power-Line-Based Sensor Networks," in IEEE Access, vol. 6, pp. 21778-21787, 2018.
[22] W. Xiang, H. Tran and T. T. Johnson, "Output Reachable Set Estimation and Verification for Multilayer Neural Networks," in IEEE Transactions on Neural Networks and Learning Systems, vol. 29, no. 11, pp. 5777-5783, Nov. 2018.
[23] G. Liang, H. Hong, W. Xie and L. Zheng, "Combining Convolutional Neural Network With Recursive Neural Network for Blood Cell Image Classification," in IEEE Access, vol. 6, pp. 36188-36197, 2018.
[24] P. Zhang, X. Wang, W. Zhang and J. Chen, "Learning Spatial–Spectral–Temporal EEG Features With Recurrent 3D Convolutional Neural Networks for Cross-Task Mental Workload Assessment," in IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 27, no. 1, pp. 31-42, Jan. 2019.
[25] K. Isogawa, T. Ida, T. Shiodera and T. Takeguchi, "Deep Shrinkage Convolutional Neural Network for Adaptive Noise Reduction," in IEEE Signal Processing Letters, vol. 25, no. 2, pp. 224-228, Feb. 2018.
[26] Alex Sherstinsky, "Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) network," Physica D: Nonlinear Phenomena, Volume 404, 2020.
[27] Md. Rafiul Hassan, Baikunth Nath, Michael Kirley, "A fusion model of HMM, ANN and GA for stock market forecasting," Expert Systems with Applications, Volume 33, Issue 1, Pages 171-180, 2007.
[28] Adil Moghar, Mhamed Hamiche, "Stock Market Prediction Using LSTM Recurrent Neural Network," Procedia Computer Science, Volume 170, Pages 1168-1173, 2020
[29] Anita Yadav, C K Jha, Aditi Sharan, "Optimizing LSTM for time series prediction in Indian stock market," Procedia Computer Science, Volume 167, Pages 2091-2100, 2020.
[30] Zihan Chang, Yang Zhang, Wenbo Chen, "Electricity price prediction based on hybrid model of adam optimized LSTM neural network and wavelet transform," Energy, Volume 187, 115804, 2019.
[31] Hossein Abbasimehr, Mostafa Shabani, Mohsen Yousefi, "An optimized model using LSTM network for demand forecasting," Computers & Industrial Engineering, Volume 143, 106435, 2020.
[32] Sebastian Ruder, "An overview of gradient descent optimization algorithms," Jan. 2016.

電子全文 電子全文(網際網路公開日期:20250722)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊