基于LSTM的股票价格预测与分析开题报告

1. 研究目的与意义

早期中国股票交易相对于西方国家出现较晚，股票发行量很少且交易不规范；时至今日，中国各领域飞速发展，金融市场也取得了巨大进步，现在中国的股票交易已经有了相当大的体量与规模，但是仍未发展成熟，机构投资者较少，非完全理性的个体投资者数量众多。因此，目前已存在的一些股票预测方法并不适合我国，研究股票预测是一个具有深远意义的课题。

随着人工智能技术的迭代更新与金融领域数据的细化与清晰化，使得股票量化投资和精准投资变得越来越符合实际。本项目旨在设计基于Python的股票预测与分析，根据每日股票数据和股民情绪对股票的走势做出预测，为股民投资给出一定参考与建议，可以根据预测结果判断优势股 。

2. 研究内容和预期目标

研究内容：

1. 选取交易较活跃的一部分股票对其数据进行爬取。

2. 对爬取到的数据进行处理。

3. 国内外研究现状

经过产业界和学术界多年的探索,目前主流的股票预测模型基于以下几个几种方法实现:基于宏观经济等各种经济指标的计量模型、基于技术分析的经验模型以及基于海量数据的机器学习模型。

(一)基于宏观经济等经济指标的计量模型从行业的基本面入手，利用宏观经济指标分析本行业未来的发展趋势，并结合公司的会计指标，判断一只股票是否值得买入或持有。该类模型符合价值投资理念，通常用于长期投资。

(二)基于技术分析的经验模型起源于道氏理论，经过多年的实践演化出了多种理论和方法，技术分析模型已被证明是一种有效的市场预测工具，广泛被经济学家和证券从业人员所接受。该类模型较为灵活，实时性强，通常用于短期投资。但是其效果的好坏更多地依赖于使用者的经验，因而难以量化地分析其优劣。

4. 计划与进度安排

初步的实现计划为以下几个步骤：

第一步：初步分析所需要的数据，在上海交易所、深证交易所等官网获取数据，进行数据预处理工作。

第二步：结合对已有预测模型（如：神经网络模型、深度学习模型等）的研究，设计模型，进行预测的实现。

5. 参考文献

[1]闫泽祥. 基于文本情感分析的股票预测系统的设计与实现[d].北京邮电大学,2021.doi:10.26969/d.cnki.gbydu.2021.000310.

[2]曾武序,钱文彬,王映龙,杨文姬,柳军.一种基于python和bp神经网络的股票预测方法[j].计算机时代,2018(06):72-75 80.doi:10.16644/j.cnki.cn33-1094/tp.2018.06.021.

[3]金城满.基于python工具的价格走势选股策略研究及优化[j].现代营销(经营版),2020(05):214-217.doi:10.19921/j.cnki.1009-2994.2020.05.098.