![](https://csdnimg.cn/release/download_crawler_static/86360599/bg9.jpg)
1.1.2 课题研究意义
本课题基于深度残差网络进行国际黄金价格预测的研究具有的意义:
第一,对于个人来说,黄金投资是一种投资的手段。用黄金的投资可以抵御通货
膨胀和经济动荡,从而达到保值、规避风险的目的,甚至还可以利用黄金波动过程中
的差价谋取少量的利润。
第二,对于社会而言,目前各大公司和金融机构一直在尝试各种方法对国际汇率
以及国际金价进行预测,以降低它们的波动所带来的风险和损失,或提高利用其波动
所谋取的利润。金价的预测为相关金融机构和组织的投资行为提供了一定的支持,使
得它们的资金分配与利用更加合理,减少损失或获取更高的利润。
第三,对于国家而言,2013 年中国的黄金消费量已经突破了 1000 吨,同比增长
了 41%,中国也已经成为了全球最大的黄金消费国。而自古以来中国人就把黄金作为
身份地位的象征,随着居民财富快速增加,正处于飞速发展阶段的中国的黄金消费量
还将会继续增长,因此中国的黄金市场发展潜力巨大。国际金价以及国际汇率的问题
研究,能够增强国家在国际金融活动中的应变能力,对维持国家经济的稳定都将会有
很大的作用。
1.1 国内外研究综述
1.1.1 深度学习研究现状
Hochreiter 与 Schmidhuber 在 1997 研究出了长时记忆神经网络(LSTM)
[3]
。2009
年,在没有任何先前的知识储备的情况下,深度多维 LSTM 神经网络在手写识别方面
识别三种语言赢得了 2009 年第三届 ICDAR 竞赛
[4]
。
在 2010 年,Dan Ciresan 与他的同事们
[5]
在瑞士人工智能实验室 IDSIA 表示,
尽管人工神经网络在训练过程中会出现“梯度消失”的问题,但是“GPU 的超强处理
能力使得具有多隐层的普通反向传播神经网络的训练变得可行,并且该方法在著名的
MNIST 手写数字识别训练库的训练中表现优于以前的任何机器学习技术。”
同时,深度学习也进入了语音识别的领域。相关领域的微软研究院和多伦多大学
的研究人员在 2010 年中期证实,深层神经网络与隐藏马尔科夫模型定义的神经网络
输出层接口能够大大减少大词汇量语音识别的工作量,例如:语音搜索。这个方法在
现在已经被广泛应用于生活中,例如 Google 利用这一项技术大大提高了所有智能手
机的语音识别率
[6]
。
直到 2011 年,正向传播 CNN(Convolutional Neural Network,深度卷积网络)在
全连接或稀疏连接的分类层具有很大的优势,因为它们的训练通常都不需要监督式的
预训练。自 2011 年之后,这个算法通过 GPU 的支持,在很多识别竞赛中获胜,例如