张康林，叶春明，李钊慧，王锦文

(1.上海理工大学 管理学院，上海 200093；2.南昌大学 公共管理学院，江西 南昌 330000)

0 引 言

股票市场发展至今已有400多年历史，股票投资者随着金融市场发展的越来越成熟也变得越来越多，而股价的预测一直都是股票投资者关注的问题。文献[1]说明了由于股票价格具有高噪声、动态、非线性和非参数等特性，想要准确预测股价仍具有很大的挑战。但随着大数据时代的到来和人工智能技术的发展，准确预测股票价格已经慢慢变为了可能。

目前，越来越多的学者采用人工智能技术来实现股价的预测，从传统的人工神经网络模型到深度学习模型，再到现在的多种模型相互结合进行预测，这些技术一直都在被改进并且被广泛使用。许兴军[2]使用反向传播神经网络(backward-propagation network，BPN)模型对浦发银行近一年交易日的股票数据进行了预测；韩山杰等人[3]采用多层感知机(multi-layer perceptron，MLP)模型预测了苹果公司每日的股票收盘价；Ticknor等人[4]将日市场价格和财务指标作为输入，利用前馈神经网络模型对微软公司和高盛集团未来一天的收盘价进行了预测。但是由于人工神经网络在对股价进行预测时，存在很多问题，比如：模型优化过程中，存在梯度消失和梯度爆炸问题，导致模型无法优化；容易出现局部极值问题；过拟合现象的发生导致模型在对测试集进行预测时，其预测精度变小。为了解决上述问题，针对深度学习的研究也是越来越多。Graves等人[5]说明了LSTM模型可以解决梯度消失和梯度爆炸问题,Polson等人[6]探讨了深度学习技术在金融市场研究中不仅可以解决过拟合问题，还能提高样本的拟合程度。……