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。

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。

2. 参考文献

[1]Ruey S.等（美）.金融时间序列分析(第3版)[M],人民邮电出版社.2012.9. [2].Ratnadip Adhikari. An introductory Study on Time Series Modeling and Forecasting[OL].https://arxiv.org/ftp/arxiv/papers/1302/1302.6613.pdf. [3]王今朝.深度学习是如何利用数据特征进行投资预测的？[OL]. http://rdc.hundsun.com/portal/article/895.html. [4]Wes McKinney(美).利用Python进行数据分析,第三版[M].人民邮电出版,2015.5. [5]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. [6]何海群.零起点TensorFlow与量化交易[M].电子工业出版社，2018.4 [7]姚瑾.应用ARFIMA模型对金融时间序列长期记忆性的研究[D].东北大学，2006. [8]张彦来.数据挖掘在股市投资中应用[D], 首都经济贸易大学，2010. [9]杨同梅.沪深300成分股羊群效应实证研究[D].中国青年政治学学院，2016.

3. 毕业设计（论文）进程安排

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。