基于强化学习的股票预测方法的设计与实现开题报告

1. 研究目的与意义

股票为市场经济的产物，是金融市场中的重要组成部分之一，经济学家不仅将它称为是国家经济的“晴雨表”和“报警器”，而且在一定程度上反映着一个国家的经济状况和经济实力。在当下的金融领域，股市对整个金融圈有着重要影响，股票投资俨然已成为大部分人日常生活的一部分，股民时刻关注股票的跌涨。

随着人工智能领域的快速发展,越来越多的相关技术被应用到金融预测领域,如:信用卡的评级、风险投资、风险评估和股票价格波动预测等等诸多行业。因此很多金融领域研究员便向人工智能抛出橄榄枝，希望能在人工智能领域占有一席之地。基于强化学习的金融预测模型在股市上具有很强的现实意义和应用性。如果能够准确地预测股票的波动趋势，同时对股民进行有效的引导，给出抛出或者买进的意见，这对股民投资有很大的帮助。

传统的股票预测方法有k线图法、柱状图分析法、形态分析法、道氏分析法、点数图法、移动平均线法、黄金分割比螺旋历法、趋势分析法等等。上述方法可以实现预测短期的股票价格波动的趋势。一般传统的方法分析需要预知各种影响参数，并需要了解这些参数的修改情况。传统时间序列预测方法主要是通过建立股价及综合指数之间的时间序列相关辨识模型来预测股市未来变化。其中包括arch (自回归条件异方差模型)、arma (自回归移动平均模型)以及指数平均预测法、指数平滑法、季节性变化法等。但一般的时间序列模型很难处理高度非线性函数,所以预测的结果往往不尽如人意。随着计算机技术和人工智能的不断发展，dqn成为一种高效的处理高度非线性函数的模型，并能够依据数据本身内在分布建立函数关系，具有良好的非线性逼近能力和抗噪能力。因此强化学习便逐步地应用在股票价格预测上,也提高了预测的准确性。

2. 研究内容和预期目标

股票市场是金融分析领域中的一大难题，为了进一步提高股票价格预测的准确性，本设计基于强化学习的经典算法q-learning、dqn进行股票预测，把股票趋势预测看做一个时间序列预测问题,将其与强化学习框架相结合,使用强化学习的训练方法训练海量数据进行股票趋势的预测。

本设计主要是设计一种股票趋势预测系统

研究内容：

3. 研究的方法与步骤

(1)了解股市中影响股价的主要因素，选择可知因子作为参数；

(2)深入了解强化学习方法的原理；

4. 参考文献

[1]冯超. 强化学习精要核心算法与tensorflow实现[m]. 北京: 电子工业出版社, 2018.

[2]石浩. 基于递归神经网络的股票趋势预测研究[d]. 北京: 北京邮电大学,2018.

[3]赵卫东,董亮. 机器学习[m]. 北京: 人民邮电出版社, 2018.

5. 计划与进度安排

(1)2022.1.10 --- 2022.1.30 接受毕业设计任务，查阅资料并完成开题报告；

(2)2022.2.1 --- 2022.2.8 选择开发工具，并配置其环境；

(3)2022.2.9 --- 2022.2.23 收集数据，构建数据库；