全文总字数：9081字
1. 研究目的与意义、国内外研究现状（文献综述）
本课题的意义：
随着科学技术的不断进步，世界范围内的金融证券行业逐渐向信息化发展，程序化交易乃至机器学习也被逐步应用于各大机构和证券交易所之中。但对于中国市场来说，个人投资者的比例长期过高，机构投资者对于计算机编程和建模的应用不多，导致了国内程序化算法的应用率仍处于较低的水平。然而，随着中国证券市场的逐步成熟和开放，接轨国际是必然的趋势。更加丰富的金融衍生品品种以及来自海外的资金和投资者，会使国内市场更为复杂和难以预测。可以预见，过去以人脑分析为主，计算机只是做简单数据处理的方法，在不远的未来将不再适用。特别是拆单买入卖出，由于总量极大，对时机把握的精确度的要求更高，传统的“操盘手主观感觉”则更不能满足投资者对利润的追求。而程序化交易通过借助计算机编程和建模，并结合理论知识，模拟和优化各种方案，使得决策更加具有科学性和合理性。此外，也可以有效地避免个人情绪和主观想法的影响，使得决策更加客观。所以，算法交易的研究具有重要的现实意义。
在过去的几十年，大单拆分主要有两个策略：vwap算法与twap算法。其中vwap算法更为常见，它主要依赖对日成交量的预测，从而告诉投资者下单的时间和每笔下单的金额。但这种方法的精确程度受到市场流动性和交易量大小的影响，在流动性较差和交易量大的市场效果较好。然而随着中国证券市场的发展，资金的流动性势必快速上升，而一些中小盘股的交易量却不一定有很大的提升，所以，该方法的局限性日益凸显。
2. 研究的基本内容和问题
目标：利用LSTM模型预测股票的价格，准确判断价格的高点和低点，从而指导投资者进行买入和卖出。
关键问题：如何建立模型准确的预测股票价格，包括参数选取和深度选取。
3. 研究的方法与方案
研究方法，文献研究法、定量分析法、跨学科研究法、模拟法、信息研究方法
技术路线：见附件
可行性分析：
4. 研究创新点
特色或创新之处
1）将lstm神经网络应用于股票价格分析，这是自该模型建立以来少有的研究。并且文章利用中国沪深股市对该方法的有效性进行检验，这也几乎是无人涉猎。
2）文章针对股票总股数和市值大小的不同，分类研究该模型的实用度和精确性。
5. 研究计划与进展
研究计划及预期进展
—3.10：确定神经网络方法
—中期答辩：确定参数和模型深度，模型的初步检验完成
