本課題旨在運(yùn)用機(jī)器學(xué)習(xí)對部分美股上市公司近年來股票變化趨勢進(jìn)行分析。使用深度學(xué)習(xí)和在自然語言處理領(lǐng)域廣泛應(yīng)用的時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)的算法建立模型,建立一個(gè)高效且可靠的股票預(yù)測系統(tǒng)。可以預(yù)測該課題在金融經(jīng)濟(jì)領(lǐng)域?qū)⒂兄鴱V泛的應(yīng)用場景。
股票交易市場為企業(yè)運(yùn)作創(chuàng)造了有利的籌資環(huán)境,投資者可以根據(jù)自己投資計(jì)劃和市場變更情況買賣股票。深刻了解股票變更并作出合理預(yù)測對于增強(qiáng)投資者和發(fā)行方資本的流動(dòng)性和安全性都有著關(guān)鍵的作用。除此之外,股票價(jià)格還能靈敏反映出行業(yè)前景和政治形勢的變化。學(xué)習(xí)和分析股票價(jià)格變化趨勢在當(dāng)今社會顯得尤為重要。然而,通常情況下對股票做出合理預(yù)測需要一定的金融知識積累和對市場信息的深刻了解,這種傳統(tǒng)辦法不僅昂貴,并且需要耗費(fèi)大量的人力。
本課題是融合了計(jì)算機(jī)科學(xué)和金融學(xué)兩大領(lǐng)域,借用自然語言處理的成熟算法,采用機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)對海量數(shù)據(jù)進(jìn)行分析。研究者將獲得使用Python處理時(shí)序信號、分析數(shù)據(jù)、訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的技能。同時(shí)還能積累機(jī)器學(xué)習(xí)處理實(shí)際問題的經(jīng)驗(yàn)。
AI+X數(shù)據(jù)驅(qū)動(dòng)型科研
AI+X數(shù)據(jù)驅(qū)動(dòng)型科研是指使用人工智能(AI)算法,收集、處理、分析具體學(xué)科(X)的海量數(shù)據(jù),并基于此進(jìn)行預(yù)測,從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比,AI+X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力,高效地進(jìn)行大數(shù)據(jù)分析,具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。
AI+X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域,利用AI算法研究基因數(shù)據(jù),從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬萬,使用傳統(tǒng)的科研方式對其進(jìn)行分析,工程量大、過程繁瑣,在客觀上難以實(shí)現(xiàn)。但借助AI算法這一便捷的工具,生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ),建立數(shù)據(jù)庫,與過往的研究成果進(jìn)行對照,快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系,從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。
本課題適合: 9-12 年級學(xué)生,有較強(qiáng)的邏輯思維和抽象思維能力
1. 英文: (1)具備基本的學(xué)術(shù)英語閱讀能力; (2)接觸過英文寫作,有論文寫作經(jīng)驗(yàn)者更佳;
2. 數(shù)學(xué): (1)微積分; (2)線性代數(shù); (3)對于使用數(shù)學(xué)建模解決和探究實(shí)際科學(xué)與工程問題有濃厚的興趣
3. 計(jì)算機(jī): (1)Python, Numpy編程基礎(chǔ) (2)Matplotlib庫基礎(chǔ) (3)Sklearn (4)Anaconda
以上就是關(guān)于【杜克大學(xué)科研課題:基于時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)的股票市場預(yù)測】的解答,如需了解學(xué)校/賽事/課程動(dòng)態(tài),可至翰林教育官網(wǎng)獲取更多信息。
往期文章閱讀推薦:
貝賽思進(jìn)度太快怕掉隊(duì)?翰林校內(nèi)同步班課重磅推出,長期小班穩(wěn)節(jié)奏
從羅馬帝國到新冠先驅(qū):TCR 歷史期刊收錄主題揭秘,為什么這項(xiàng)投稿值得深耕?
? 2026. All Rights Reserved. 滬ICP備2023009024號-1