基于LSTM模型的股指变化预测研究开题报告

1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述1 选题目的和意义近年来，我国股票市场表现不佳，上证指数大部分时间都在3 000点以下徘徊，有时还会出现较大幅度的下跌。

典型例子有：2018年5月6日，上证指数收盘价从上一交易日的3,078.34点暴跌至2,906.46点，上证指数失守3 000点也即意味着广大股民、股票基金、基于股票的资产管理计划亏损惨重。

然而股市似乎有继续暴跌的趋势，在之后的几个交易日内，上证指数跌破了2 900点关口，截至2019年8月7日，上证指数的收盘价为2,768.68点。

2. 研究的基本内容、问题解决措施及方案

拟研究的问题：上证指数和深证指数的股指变化预测采用深度学习方法中十分适用于时间序列预测的长短期记忆模型（lstm）对上证指数和沪深300指数进行预测，并将该方法与其它深度学习方法如循环神经网络（rnn）、卷积神经网络（cnn），以及其它机器学习方法如支持向量回归（svr）、bp神经网络（bp）与arma模型等时间序列模型进行比较研究。

拟采用的研究途径：lstm 神经网络lstm神经网络对每个指数的预测思路是，用历史60个交易日的数据信息对未来1天指数收盘价进行预测。

通常对于未来1天交易日的收盘价，前60天的交易数据已经包含了足够信息，超过60个交易日的信息对第61天的影响非常小。