1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述 摘要 作为海量数据的处理方法,数据挖掘从诞生起就和股票市场有着密不可分的联系。

证券行业更是在信息化迅速发展的前提下成长起来的,很多业务都需要依赖对大量历史数据的分析,从中挖掘出有价值的信息。

本文主要分析了国内外对于证券行业股票的研究成果，探讨处理大量数据的数据挖掘方法，深度学习利用数据，建立恰当模型分析数据特征，进行股票行业的投资预测。

2. 研究的基本内容、问题解决措施及方案

研究内容： 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。

股票数据以天为单位，且具有固定的数据格式，是一类具有时间序列的数据。