任鑫 韩旭

摘  要：作为A股市场重要的股票指数之一，对沪深300股指的走势进行预测对于投资者进行套期保值和风险转移具有重要的意义。本文利用LSTM网络具备的复杂非线性时序特征提取能力，设计了一个LSTM深度循环神经网络来对沪深300股指的走势进行预测。结果表明，LSTM能够被成功地运用于股票价格指数走势的预测。

关键词：股指期货;神经网络;非线性;时序特征

股票的发展到今天已经有几百年的历史。股票市场的变化可以说是整个社会经济的“晴雨表”，它反映了社会经济的发展状况和公司的运营状况。股票价格指数被当做一种指标，反映了股票市场上所有股票市场价格的总体水平和相应的变化情况。股票指数的变化对于广大投资者和社会经济都有十分重要的影响。研究股指的主要作用是为套期保值者规避和转移风险。人们不断进行股指期货的研究，可是大多数研究者对我国的股指期货研究仅限于交易规则的制定和管理方式方法上。我们需要一种更加有效地方法对股指变化做出预测。

近年来以神经网络为基本构造模块的深度神经网络模型众多领域取得了巨大的成功。股票价格指数数据往往蕴含着大量的高噪声和复杂的非线性，浅层学习方法无法对其进行有效建模。由于深度神经网络能够提取出数据中蕴含的复杂非线性特征，因此本文通过长短期记忆循环神经网络对我国沪深300指数走势进行研究预测，以此来为投资者规避股市风险和实现财富保增值提供预判。……