论文目录 | |
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究的背景 | 第8-9页 |
| 1.2 研究目的和意义 | 第9页 |
| 1.3 研究内容、方法和技术路线 | 第9-11页 |
| 1.4 本文的主要特点 | 第11-12页 |
| 第2章 文献综述与相关理论 | 第12-21页 |
| 2.1 文献综述 | 第12-16页 |
| 2.1.1 K线理论的国内外研究现状 | 第12-13页 |
| 2.1.2 卷积神经网络及其应用的国内外研究现状 | 第13-16页 |
| 2.1.3 简要评述 | 第16页 |
| 2.2 相关理论基础 | 第16-21页 |
| 2.2.1 技术分析理论基础 | 第16-17页 |
| 2.2.2 卷积神经网络与深度学习 | 第17-19页 |
| 2.2.3 量化投资理论 | 第19-21页 |
| 第3章 股票趋势预测问题分析及量化交易策略构思 | 第21-30页 |
| 3.1 关于股票趋势预测的难点及问题分析 | 第21-23页 |
| 3.1.1 股票趋势预测的问题分析 | 第21-22页 |
| 3.1.2 股票技术分析的难点及问题分析 | 第22-23页 |
| 3.2 基于CNN和 K线图股票量化交易策略设计构思 | 第23-26页 |
| 3.3 基于CNN和 K线图股票量化交易策略设计理论框架 | 第26-30页 |
| 3.3.1 卷积神经网络算法流程和激活函数 | 第26-28页 |
| 3.3.2 经典神经网络结构选择 | 第28-30页 |
| 第4章 基于CNN和 K线图的量化交易策略设计方案 | 第30-40页 |
| 4.1 数据来源及预处理 | 第30-32页 |
| 4.1.1 数据的选取 | 第30-31页 |
| 4.1.2 数据的预处理 | 第31-32页 |
| 4.2 卷积神经网络模型的结构选择 | 第32-36页 |
| 4.3 基于CNN和 K线图的股票趋势预测模型结果分析 | 第36-38页 |
| 4.3.1 CNN模型的构建流程及模型评价指标 | 第36-37页 |
| 4.3.2 上证50 成分股在CNN下的预测分类结果 | 第37-38页 |
| 4.3.3 上证50 成分股在VGG16和ResNet50 下的预测分类结果 | 第38页 |
| 4.4 基于CNN和 K线图的股票趋势预测模型独立验证 | 第38-40页 |
| 第5章 基于CNN和 K线图的量化交易策略有效性分析 | 第40-45页 |
| 5.1 基于CNN的量化策略构建及有效性评价 | 第40-43页 |
| 5.1.1 不做空情形下的量化交易策略结果 | 第40-42页 |
| 5.1.2 允许做空情形下的量化交易策略结果 | 第42-43页 |
| 5.2 基于CNN的股票量化交易策略的风险提示 | 第43-45页 |
| 第6章 总结及展望 | 第45-47页 |
| 6.1 研究结论 | 第45页 |
| 6.2 研究不足及展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 附录 | 第50-74页 |
| 致谢 | 第74-75页 |
