张鸿洋 于冲冲

摘要：本文主要探讨了深度学习算法LSTM的特点及对于处理有时间序列属性数据的优点，并应用于预测股票趋势的研究。与传统的预测股票的股价，ikiRJ股票的收益率等最终通过回归的方法得出股价的方法不同，本文采用的方法是把结果通过一个Sigmoid函数转换成一个二分类问题，用以预测股票的上涨下跌的概率。主要通过选取相应的股票的一些基本面及技术指标统计量，并进行标准化处理。得出股票预测概率矩阵，再通过Black-Litterman模型进行投资资产配置。通过两种方法结合能够均衡收益率与风险的关系，在最小化风险的情况下，实现收益的最大化。

关键词：LSTM;BL;算法原理

一、引言

预测股票的走势与预测股票的价格指數，由于涉及的各种不稳定因素，是非常困难的。股票的投资者在买人或者卖出股票之前一般会有两种类型的投资偏好。第一种是基本面分析方法，采用这种分析方法的投资者通过分析股票的内在价值，公司效益，当前主要经济的表现和国内国际的政治环境等，决定是买入还是卖出。第二种投资偏好是技术分析，投资者通过研究统计市场活动，形成各种基于市场活动的统计指标，比如过去的价格，成交量，异同移动平均线（MACD），随机指标（KDJ）等。

目前大部分的量化手段是通过分析挖掘股市历史数据以及各项技术指标，发现当前阶段股票市场的风格及特点。由于股票市场作为复杂且时变的巨系统，其价格波动往往表现为较强的非线性，因此如何从海量的市场数据中获取有价值的信息为决策服务是一个难点。……