1. 毕业设计（论文）的内容和要求

机器学习特别是深度学习在很多领域大展身手，比如图像分类、人脸识别、自然语言处理、自动驾驶上都有很好的应用。

特别是深度学习、深度强化学习等在金融领域也已经有所运用，比如说指数预测、择时交易、投资组合策略、价格预测、波率预测、算法交易和金融风控等。

本课题针对a股市场，研究不同的深度学习算法，特别是lstm模型建立股价趋势模型，并给出与传统的预测模型比较。

2. 参考文献

[1]Matiur Rahman Minar等. Recent Advances in Deep Learning: An Overview[OL]. https://arxiv.org/pdf/1807.08169v1.pdf [2]Cerulean. 混合神经网络TreNet与注意力模型Attention Based Model. https://cloud.tencent.com/developer/article/1137008 [3]Sebastian Heinz. A simple deep learning model for stock price prediction using TensorFlow[OL]. https://medium.com/mlreview/a-simple-deep-learning-model-for-stock-price-prediction-using-tensorflow-30505541d877. [4]Yao Qin等. A Dual-Stage Attention-Based Recurrent Neural Network for Time Series Prediction[OL]. https://arxiv.org/pdf/1704.02971.pdf [5][美] Ian，Goodfellow，[加] Yoshua，Bengio，[加] Aaron Courville.深度学习 (deep learning)[M].人民邮电出版,2017.8. [6]王小川.Python与量化投资：从基础到实战[M].电子工业出版社，2018.3. [7]何海群.零起点TensorFlow与量化交易[M].电子工业出版社，2018.4.

3. 毕业设计（论文）进程安排

起讫日期 设计（论文）各阶段工作内容 2018年12月19日-2019年12月22日 任务书下达 2018年12月22日-2019年1月12日 收集资料，熟悉课题，了解课题背景算法，查询文献，完成开题报告 2019年2月1日-2019年2月15日 初步掌握python、tensorflow或bigquant，获取相关股票历史数据，了解相关主要算法。

2019年2月15日-2019年3月1日 确定课题采用的主要算法，熟悉python。

2019年3月1日-2019年6月1日 读文献，课题学习、研究，编写程序或调优参数（bigquant平台）。