基于深度残差网络的国际金价预测研究

"基于深度残差网络的国际金价预测研究" 这篇毕业论文的主题聚焦于使用深度残差网络（Deep Residual Network, ResNet）来预测国际金价的动态变化。作者汤吉，专业为飞行器动力工程，论文由指导教师张鸿燕指导，属于中欧航空工程师学院的本科毕业设计。论文的创作时间为2016年6月，它探讨了在全球经济一体化背景下，由于金价波动的不稳定性增加，传统的线性经济模型在预测黄金价格上的局限性。 传统的经济学理论，如基于线性模型的方法，无法充分解释黄金价格的非线性变动。尽管学者们尝试构建了许多非线性金融模型，但效果并不理想，原因在于影响金价的因素众多且相互关系错综复杂，超越了传统模型的处理能力。随着21世纪计算机科学的快速发展，特别是深度学习算法的兴起，为解决这类问题提供了新的可能。深度学习已经在图像识别和语音识别等领域展现出强大的能力。 2015年底，微软研究院的深度残差网络（ResNet）研究取得了突破，能够训练超过100层的深度神经网络，这为理解和预测复杂时间序列数据，如国际金价，提供了新的工具。ResNet的主要优势在于解决了深度神经网络中的梯度消失和爆炸问题，使得更深层次的网络训练成为可能。 论文中，作者采用了(R/S)分析法（Range over Standard Deviation Analysis），这是一种用于检测时间序列数据混沌特性的统计方法，可能被用来预处理数据或评估金价的混沌特性。随后，结合ResNet的特性，建立预测模型，以期能更准确地预测国际金价的未来走势。这种方法不仅对于金融市场的预测有实际应用价值，也为跨学科研究——如航空工程领域的学生研究金融问题——提供了一种创新途径。 通过这样的研究，论文旨在为金融市场分析提供新的预测工具，并探索深度学习技术在非传统领域的应用潜力。此外，论文还讨论了如何在学术和实际操作中遵循学术诚信，包括创见性声明和版权使用授权书，强调了研究成果的原创性和合规使用的要求。