深度强化学习股票算法交易系统应用

下载PDF

导出

摘要由于各种复杂的因素,股票价格预测与交易一直是难以有效处理的问题。现实世界不确定的因素太多,很难设计出用于自动股票交易的可靠算法。为了获得可行的交易策略,文中使用深度强化学习设计了一种方法,该方法在使用时间序列股票价格数据的基础上,加入了新闻标题进行观点挖掘,同时通过知识图来利用有关隐性关系的新闻,最后给出总结。

作者容梓豪

机构地区广东工业大学

出处《电脑知识与技术》 2020年第23期75-76,共2页 Computer Knowledge and Technology

关键词机器学习强化学习股价预测新闻标签知识图

分类号 TP389.1 [自动化与计算机技术—计算机系统结构]

引文网络
相关文献

参考文献6

1文丹艳,马超群,王琨.一种多源数据驱动的自动交易系统决策模型[J].自动化学报,2018,44(8):1505-1517. 被引量：5
2杜漫,徐学可,杜慧,伍大勇,刘悦,程学旗.面向情绪分类的情绪词向量学习[J].山东大学学报（理学版）,2017,52(7):52-58. 被引量：3
3高阳,陈世福,陆鑫.强化学习研究综述[J].自动化学报,2004,30(1):86-100. 被引量：263
4郭潇逍,李程,梅俏竹.深度学习在游戏中的应用[J].自动化学报,2016,42(5):676-684. 被引量：22
5常亮,张伟涛,古天龙,孙文平,宾辰忠.知识图谱的推荐系统综述[J].智能系统学报,2019,14(2):207-216. 被引量：64
6姜娜,孔浩.在线股票交易系统的分析与设计[J].计算机光盘软件与应用,2013,16(13):274-275. 被引量：2

二级参考文献98

1曾陈萍,李怀杰.浅析实现电子商务的基于J2EE的框架[J].西昌学院学报（自然科学版）,2006,20(3):78-82. 被引量：5
2王飞跃.人工社会、计算实验、平行系统——关于复杂社会经济系统计算研究的讨论[J].复杂系统与复杂性科学,2004,1(4):25-35. 被引量：234
3闫斐,王亚弟,韩继红.基于Struts架构的J2EE应用软件的设计与开发[J].微计算机信息,2006,22(10X):227-229. 被引量：11
4刘京华.JavaWeb整合开发王者归来[M]{H}北京:清华大学出版社,2010. 被引量：1
5张桂元;贾燕枫.Struts开发入门与项目实践[M]{H}北京:人民邮电出版社,20059. 被引量：1
6孙卫琴.精通Struts:基于MVC的Java Web设计与开发[M]{H}北京:电子工业出版社,2004. 被引量：1
7Werbos P. Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences [Ph.D. dissertation], Harvard University, USA, 1974. 被引量：1
8Parker D B. Learning Logic, Technical Report TR-47, MIT Press, Cambridge, 1985. 被引量：1
9LeCun Y. Une proc6dure d'apprentissage pour R6seau seuil assymatrique (a learning scheme for asymmetric threshold networks). In: Proceddings of the Cognitiva 85. Paris, France. 599-604 (in French). 被引量：1
10Rumelhart D E, Hinton G E, Williams R J. Learning representations by back-propagating errors. Nature, 1986, 323(6088): 533-536. 被引量：1

共引文献351

1沈浩,袁璐.智媒时代我国国际传播的媒介特性与技术路径[J].中国新闻传播研究,2022(2):3-14. 被引量：4
2项宇,秦进,袁琳琳.结合向前状态预测和隐空间约束的强化学习表示算法[J].计算机系统应用,2022,31(11):148-156. 被引量：4
3安萌萌,樊秀梅,蔡含宇.基于雾计算和强化学习的交通灯智能协同控制研究[J].计算机应用研究,2020,37(2):465-469. 被引量：8
4丁志梁,潘毅群(指导),谢建彤,王尉同,黄治钟.强化学习算法在空调系统运行优化中的应用研究[J].建筑节能,2020(7):14-20. 被引量：7
5王彦朋,郭佳佳,王晓君.基于Q-Learning的青霉素发酵过程控制方法[J].信息化研究,2023,49(3):31-35.
6马庆刘,喻鹏,吴佳慧,熊翱,颜拥.基于深度强化学习的综合能源业务通道优化机制[J].北京邮电大学学报,2020,43(2):87-93. 被引量：1
7赵元,张合新.基于目标状态距离简化Q-learning算法的迷宫路径规划[J].火箭军工程大学学报,2019(4):79-84.
8周济,陈锋.基于强化神经网络的区域协调控制研究[J].电子技术（上海）,2010(9):20-22.
9卓睿,陈宗海,陈春林.基于强化学习和模糊逻辑的移动机器人导航[J].计算机仿真,2005,22(8):157-162. 被引量：5
10魏英姿 ,赵明扬 .一种基于强化学习的作业车间动态调度方法[J].自动化学报,2005,31(5):765-771. 被引量：19

1祝嘉,向长城.基于有限穿越可视图的股票数据研究[J].湖北民族大学学报（自然科学版）,2020,38(3):283-289.
2赵凯,王鸿源.LDA最优主题数选取方法研究:以CNKI文献为例[J].统计与决策,2020(16):175-179. 被引量：24

电脑知识与技术

2020年第23期

浏览历史

内容加载中请稍等...

深度强化学习股票算法交易系统应用

参考文献6

二级参考文献98

共引文献351

相关作者

相关机构

相关主题

浏览历史