黄有为 高燕

摘 要：金融预测旨在对金融历史数据进行分析，构建预测模型，并对未来数据走势作出预测。系统创新性地将最新的深度学习成果与金融预测相结合，提出使用循环神经网络预测金融数据变化的方法。首先介绍了近几年人工智能的突破性成果，以RNN相关技术为基础对系统进行设计，然后通过实验组展示系统预测效果，并对系统获得的结果数据，使用深度学习相关评估算法评估其预测准确性。实验评估结果表明，使用循环神经网络学习与分析历史数据，并将其模型用于预测未来金融数据走势的方案具有较高的可靠性与准确性。因此，深度学习在金融预测领域具有较大发展潜力。

关键词：深度学习;神经网络;RNN;大数据;金融预测

DOI：10. 11907/rjdk. 181779

中图分类号：TP303文献标识码：A文章编号：1672-7800（2019）001-0028-06

Abstract： The purpose of financial forecasting is to analyze financial historical data， construct forecasting model， and forecast the trend of future data. This paper combines the latest in-depth learning results with financial forecasting systematically and creatively， and puts forward a method of forecasting the changes of financial data using cyclic neural network. Firstly， this paper introduces the breakthrough of artificial intelligence in recent years， designs the system based on RNN technology， realizes it by computer language， and then displays the predictive effect of the system through the experimental group， and evaluates the predictive accuracy of the system by depth learning related evaluation algorithm. According to the final experimental evaluation results， the scheme uses the cyclic neural network to learn and analyze historical data， and using the model to predict the future trend of financial data has certain reliability and accuracy， thus in-depth learning has development potential in financial forecasting.

Key Words： deep learning; neural network; RNN; big data; financial forecast

0 引言

人工智能的概念早在1956年即被提出，经历了半个多世纪的发展，直至人工神经网络理论的提出，以及Google第一次发表深度学习技术，并通过“人机大战”[1]的形式走进公众视野，人们才真正认识到深度学习的强大能力。

关于人工智能的发展，传统人工智能技术在上世纪70-90年代占据了绝对领导地位，例如非线性与线性核 SVM、贝叶斯分类器等方法，被认为适合于小型数据计算。随着互联网的迅速发展，Internet中的信息产生爆炸式增长。以金融数据为例，对新浪财经进行数据爬虫，仅期货一个板块即获得了几十万条数据，而且该数字每时每刻还在不断增长。因此，近几年提出“大数据”概念，以研究互联网中产生的庞大数据量，并对其加以利用[2]。……