用長短期記憶模型預測台灣加權股價指數期貨

LSTM-Based Taiwan Stock Index Futures Prediction

郭鎮宇(Chen-Yu Kuo)

指導教授 ： 林建甫

國立臺灣大學/社會科學院/經濟學研究所/碩士(2019年)

https://doi.org/10.6342/NTU201900569

摘要

本研究係以台灣股票指數期貨的價量資料及一些常見的技術指標，建立遞歸神經網路及長短期記憶模型來預測未來的價格資料，遞歸神經網路是神經網路的一種，用以處理時間序列資料，而長短期記憶模型是遞歸神經網絡的一種，用來解決單純遞歸神經網路可能會有的權重問題，由於其特殊的結構設計，長短期記憶模型較適合使用於時間間隔較長或延遲比較久的資料，多半使用於圖片識別和語音辨識當中。而金融市場中的價格資料也具有類似的特性，本研究便嘗試將此深度學習模型套用在期貨價格市場中，預測未來的期貨價格。

關鍵字

遞歸神經網路 ； 長短期記憶模型 ； 期貨 ； 技術指標 ； 價格預測

並列摘要

This study uses the price data of Taiwan stock index futures and several common technical indicators to create RNN and LSTM model to predict futures’ price data. LSTM model is a RNN model for processing time series data. Due to its special structural design, LSTM models are more suitable for data with long time periods or long delays, and are mostly used in image recognition and speech recognition. The price data in the financial market also has similar characteristics. This study attempts to apply deep learning models on futures price market to predict future futures prices.

並列關鍵字

RNN ； LSTM ； futures ； technical indicators ； price prediction

參考文獻

中文部分

1.孫瑞奇，2015，「基于LSTM神经網路的美股股指價格趨勢預測模型的研究」，首都經濟貿易大學

2.孫晨，李陽，李曉戈，2016，基于布穀鳥算法優化BP神經網絡模型的股價預測，計算機應用與軟件，頁276－279．

3.楊世娟，盧维學，方辉平，2016，灰色系统與BP神經網絡组合模型及其應用，統計與決策，頁82－84．

英文部分