基于大数据+深度学习的中国金融市场波动性及预警机制研究

文章基在前期成果的基础上，通过文献分析方法着重分析了人工智能的核心方法——深度学习与金融市场波动性之间的内在联系，在金融市场波动性理论构架、深度学习模型和实现方式后选择了我国金融市场的股票市场、汇率市场、金融期货和贵金属期货四类具体对象进行波动性实证检验。基于研究结论，结合大数据时代我国金融市场的实际，作者提出了防范中国金融市场过度波动的对策建议，核心是中国应建立起与大数据和深度学习相适应的金融市场机制。

第1章 引言
1.1 问题提出
1.2 研究动态
1.3 研究内容
1.4 创新点与价值
第2章 大数据背景下的金融波动性研究
2.1 金融波动性的界定
2.2 金融市场波动性理论
2.3 传统模型对波动性预测文献综述
2.4 深度学习波动性预测文献综述
2.5 文献述评
第3章 深度学习理论与模型
3.1 从机器学习到神经网络
3.2 从神经网络到深度学习
3.3 深度学习主要模型
3.4 深度学习在金融领域中的应用
第4章 基于Python的深度学习实现方式
4.1 Python与深度学习
4.2 Python的特征
4.3 Python的运行环境
4.4 Python在金融领域中的应用
第5章 基于大数据+深度学习的人民币汇率波动性预测
5.1 引言
5.2 文献综述
5.3 研究设计
5.4 大数据及预处理
5.5 实证结果及分析
5.6 结论及启示
第6章 基于大数据+深度学习的上证综指波动率预测
6.1 引言
6.2 文献综述
6.3 深度学习模型选择
6.4 大数据选择及预处理
6.5 实证研究
6.6 结论及启示
第7章 基于大数据+深度学习的沪深300股指期货价格波动性预测
7.1 引言
7.2 文献综述
7.3 研究设计
7.4 大数据处理
7.5 实证研究
7.6 结论及启示
第8章 基于高频数据和EN-LSTM模型的黄金期货短期波动率预测
8.1 引言
8.2 文献回顾
8.3 研究设计
8.4 数据处理
8.5 实证研究
8.6 结论及启示
第9章 基于多维高频数据和LSTM模型的沪深300股指期货特别风险预警
9.1 引言
9.2 研究设计
9.3 实证研究
9.4 结论及启示
第10章 防范中国金融市场过度波动的对策建议
10.1 理顺实体经济与金融市场的良性互动关系
10.2 推进人工智能在金融交易中的应用场景
10.3 合理运用量化交易机制
10.4 全面升级大数据时代的金融监管
10.5 培育大数据时代下的理性投资者
第11章 研究结论与后续展望
11.1 研究结论
11.2 研究展望
参考文献
附录
附录1 人民币汇率波动性预测的Python程序代码
附录2 人民币汇率波动性预测的部分原始数据
附录3 上证综指波动性预测的Python程序代码
附录4 上证综指波动性预测样本数据来源及缺失值填充
附录5 上证综指波动性预测样本多维原始数据表
附录6 沪深300股指期货波动性预测样本多维原始数据表
附录7 沪深300股指期货波动性预测样本高频率原始数据表
附录8 沪深300股指期货波动性预测样本2010～2018年偶发事件汇总
附录9 沪市黄金期货的部分原始数据
附录10 沪深黄金期货波动性预测的Python程序
后记