股票市场预测能够为投资者提供可靠的交易信号,帮助投资者制定出长期稳定且高收益的投资策略。与此同时,股票市场预测作为未来自动化交易的一个不可或缺的一环,发挥着重要的作用。基于数据驱动的股票市场预测,与传统交易信号生成方法相比,更加可靠和精确,因此是股票市场预测领域的热门研究方向。随着智能算法和数据处理的发展,越来越多的研究从各种数据源中提取与股票相关的数据信息来对股票市场进行预测。本文在基于众多研究的基础上,将智能算法与股票预测相结合,使用多种数据源和智能算法来对股票市场进行预测。对于长期股票价格预测和股票趋势预测,本文综合每天股票社交媒体文本情感指标和股票技术指标作为数据源,并将它们应用到长短时记忆神经网络(LSTM)模型中对股票市场进行预测。其中股票情感指标是通过构建一个基于专注机制(Attention)和glove词向量表示算法的双向长短时记忆神经网络(BI-LSTM)的社交文本分类情感模型来提取的;除此之外,还构建了基于决策树(DT)和主成分分析(PCA)的降维模型对股票技术指标进行降维处理,提取出主要数据信息。实验结果表明,该文提出的模型能够明显提高价格预测和股票趋势预测的精度。该预测结果能够为长期投资用户提供可靠高效益的交易信息。对于短期股票市场预测,本文提出基于nasNet的模型来对四种常见的股票分钟k线模式图进行模式识别,识别的结果可用于自动识别短期k线模式,预测出可靠的交易信号,帮助投资者定制出短期高效益投资策略。k线图模式识别结果,还能作为未来自动化交易策略重要的一环,将投资者从繁重的观察任务中解放出来,并提供稳定高效益的自动交易策略。实验结果表明,基于nasNet的模型能够很好的识别出k线模式图,识别准确度达到98.6%。对于股票市场的预测,该文还调查了市场上主流的交易软件,发现这些交易软件并未提供基于历史数据和智能算法的股票市场预测。因此,在实现已有交易软件的功能的基础上,本文编写了一个基于人工智能算法的股票虚拟应用系统,旨在为用户提供可靠的基于历史数据的预测结果,帮助用户建立投资信心,构建出更加可靠的投资策略。