1. 研究目的与意义（文献综述）

沪深300指数具有作为表征市场股票价格波动情况的价格揭示功能，是反映市场整体走势的重要指标之一。该指数为投资者提供了衡量证券投资收益情况的基本尺度。对沪深300指数的长期趋势进行预测，可以为投资行为提供重要的参考价值。

股票指数预测常用的预测方法是时间递归神经网络（rnn），但是在实践中发现，rnn模型如果需要实现长期记忆，随着相关信息和当前预测位置之间的间隔不断增大时，计算量会呈指数式增长，导致模型训练的时间大幅增加（梯度弥散）。为了解决rnn模型梯度弥散的问题，德国科学家s. hochreiter 和 j. schmidhuber提出了长短期记忆神经网络（lstm）模型，lstm模型是一种特殊的时间递归神经网络（rnn），其可以根据时间序列进行自我调用，非常适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。lstm方法的特点就是在rnn结构以外添加了输入、输出和删除的节点，实现了记忆功能。

对于股票指数预测问题，近几年国内学者较多采用支持向量机及遗传算法，少部分采用数据挖掘及神经网络；国外学者们多采用统计学模型，少部分采用人工神经网络，并有部分学者将神经网络与统计学模型相结合，运用综合模型进行股票指数预测。

2. 研究的基本内容与方案

2.1基本内容：

（1）通过对国内外相关文献的调研，了解长短期记忆神经网络在股票预测方面运用的研究现状，并学习长短期记忆神经网络lstm方法理论知识。

3. 研究计划与安排

2.26 - 3.18 ：查阅文献，通过文献总结国内外研究现状，并对长短期记忆神经网络lstm进行初步了解，完成开题报告。

3.19 - 4.8 ：对论文框架进行总体设计，依照准备进行的详细工作步骤完成论文综述

4.9 - 5.6 ：设计lstm算法，功能模块设计

4. 参考文献（12篇以上）

[1] 阮敬编著，python数据分析基础，中国统计出版社，2017.9
[2] 华校专，王正林编著，python大战机器学习：数据科学家的第一个小目标，中国工信出版集团，电子工业出版社，2017.3
[3] [美]michaael broles著，沙赢，李鹏译，python机器学习预测分析核心算法，中国工信出版集团，人民邮电出版社，2017.1
[4] 孙瑞奇.基于lstm神经网络的美股股指价格趋势预测模型的研究[d].首都经济贸易大学，2015
[5] 李斌， 林彦， 唐闻轩，ml—tea：一套基于机器学习和技术分析的量化投资算法，系统工程理论与实践，2017年第5期

[6]金雪军, 曹赢. 美国扩张性货币政策对中国通胀的影响——基于深度长短期记忆神经网络的分析[j]. 上海金融, 2016(3):80-83.

[7]刘海玥, 白艳萍. 时间序列模型和神经网络模型在股票预测中的分析[j]. 数学的实践与认识, 2011, 41(4):14-19.