全文总字数：3811字

1. 研究目的与意义及国内外研究现状

股票市场在金融领域中占据着越来越重要的地位。股票市场的建立和发展，为推动经济改革，促进经济发展发挥了重要的作用。但是，股票市场作为风险与收益都较高投资市场，一直受到投资者的密切关注。在股票市场的投资中，投资者与投资机构等在交易证券和投资股票时也越来越将数据作为首要参考依据，实时交易数据，比如k线、分时线等等常常作为市场的客观反映。投资者和投资机构通常选取这些历史数据来进行分析和预测，以期获得更高利润。

为了预测股价变动趋势，股票市场上的各种细微变化都会引起股票投资者的关注。国内外的研究者们将各种统计学和计量经济学方法应用于股票市场的研究上，例如指数平滑法、多元回归法、arima模型(自回归移动平均模型)等。但由于影响股价的因素众多，难以用简单的数学模型解释，即使可以利用新型广义自回归模型来描述非平稳非线性的时间序列，其计算结果也并不理想。

相比于传统的统计学以及计量经济学预测方法，神经网络机器学习要更加优秀。而rnn作为新型神经网络，具备了时序观念，且隐含层之间实现自连接，展开后相当于时序之间相互影响，但rnn神经网络也存在着严重的梯度下降快等问题。近期lstm神经网络的实现使以上这些问题有了进一步的解答。但是在神经网络应用于股票市场的分析中，这些问题仍还都有待于探究和完善。

2. 研究的基本内容

本论文的目标在于通过研究股票价格预测面临的问题以及预测上的困难，分析不同种类的方法和预测算法，对比rnn神经网络和lstm神经网络对于股票价格预测上的可行性，进一步研究lstm神经网络。并通过对实验数据的比对，挖掘股票价格时间序列中的固有规律，找出时间序列之间的关系，使lstm算法在股票价格预测的方面可以更为准确。

内容主要包括两个部分：首先对rnn神经网络进行理论研究和结构分析，在理论上解释出该模型对于预测时间序列的优势和劣势。在研究rnn的基础上引入lstm神经网络的概念，并且分析lstm神经网络模型的原理以及结构，通过与rnn进行比较，分析lstm用于股价预测的优势以及准确度。其次，由于影响股票价格的因素比较多而且复杂多变，本文从开盘价、最高价、最低价、收盘价这几个关键性的影响因素中选取了开盘价来进行训练和预测研究。同时，从美股中选择了一只比较具有代表性的股票标普500来进行学习与预测，通过多组数据和不同模型来进行综合分析。

3. 实施方案、进度安排及预期效果

实施方案：

一、绪论

主要包括选题背景及意义，国内外的重要文献和研究现状，研究目标和方法以及创新点。

4. 参考文献

[1] 张旭.基于金融时间序列和舆情分析的股票分析系统[j]．工业控制机，2018，31(4)：113-115．

[2] 彭燕，刘宇红，张荣芬．基于lstm的股票价格预测建模与分析[j]．计算机工程与应用，2019

[3] 陈建婷．一种基于深度学习的数据预测方法[j]．电子技术与软件工程，2019(6)：151-152．

[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]．北京：首都经济贸易大学，2016．