学术报告（赖永增 6.14）

摘要：

准确的股票价格预测在股票投资中起着至关重要的作用。由于股票价格数据具有高频率、非线性和长期记忆的特点，因此准确预测股票价格具有挑战性。从传统的时间序列方法到基于机器学习的方法，如随机森林（RF）、循环神经网络（RNN）、卷积神经网络（CNN）、长短期记忆（LSTM）神经网络及其变体等，已经提出了各种预测方法。每种方法都能达到一定的准确度，但也存在一定的局限性。本报告提出了一种基于CNN-BiLSTM-Attention模型的方法，以提高股票价格和指数预测的准确性。首先，使用卷积神经网络（CNN）和双向长短期记忆（BiLSTM）网络提取序列数据的时间特征。然后，引入注意力机制自动适应权重分配给信息特征；最后，通过密集层输出最终的预测结果。该方法首先用于预测中国 股 票 指 数 - 中 证 300指 数 的 价 格 ， 并 发 现 其 比 其 他 三 种 方 法 - LSTM、 CNN-LSTM、 CNN-LSTMAttention更准确。为了研究该方法在预测股票指数方面的鲁棒性，选择了中国的其他三个股票指数和八个国际股票指数进行测试，并验证了CNN-BiLSTM-Attention模型在股票价格预测中的鲁棒有效性。与LSTM、 CNN-LSTM和 CNN-LSTM-Attention模 型 相 比 ， 几 乎 在 所 有 情 况 下 ， 使 用 CNN-BiLSTMAttention模型进行股票价格预测的准确性最高。
 

嘉宾介绍：

赖 永 增 ， 加 拿 大 劳 瑞 尔 大 学 (Wilfrid Laurier University) 数 学 系 教 授 ， 1983年 和 1988年 分 别 在 中 山大 学 数 学 系 获 得 学 士 学 位 和 硕 士 学 位 ， 2000年 在 美 国 加 州 克 莱 蒙 研 究 生 大 学 (The Claremont Graduate University) 获 博 士 学 位 ， 2000年 至 2002年 在 加 拿 大 滑 铁 卢 大 学 (University of Waterloo)高级金融研究中心和统计与精算学系做博士后研究。 2002年至今一直在加拿大劳瑞尔大学数学系任教授。主要研究领域包括金融数学（衍生产品的定价与风险管理、金融计算、投 资组合优化、随机分析在金融和保险中的应用）、微分方程在金融和经济学中的应用、蒙特卡洛和拟蒙特卡洛仿真方法 及 应 用 、 机 器 学 习 及 应 用 , 尤 其 在 经 济 金 融 中 的 应 用 。 在 Automatica, Computers & Operations Research, Economic Modeling, Expert Systems with Applications, Finance Research Letters, Insurance Mathematics and Economics, Journal of Computational Finance, Nature - Humanities and Social Sciences Communications等国际期刊发表了60多篇论文。主持加 拿 大 国 家 自 然 科 学 与 工 程 基 金 多 项 。 2020年 到 2023年 间 , 担 任 加 拿 大 科 学 与 工 程 国 家 面 上 基 金（NSERC）数学统计口评审委员会委员。是两个学术杂志的副主编，也是四十多个杂志的审稿人。