1. 毕业设计（论文）主要目标：
陈述用神经网络研究股票价格的时代背景和意义，介绍股票预测的方法，介绍神经网络的数据预测的优势,重点介绍 LSTM神经网络及其优缺点,论证该方案的可行性,给出相应的理论支撑和数学公式证明,在谷歌开发的tensorflow框架下实现具体代码,将最后的代码结果和实际的结果进行比对，论文结尾写出完成此论文的心得和收获，最后写出符合规范要求的毕业设计报告书。
2. 毕业设计（论文）主要内容：
研究股票预测的方法，一些常见统计学方法例如指数平滑法，多元回归法等，利用神经网络预测的有多层bp神经网络等，本论文主要研究lstm模型下的预测方式。
在LSTM的训练预测上,运用python语言进行编程,并以tensorflow作为深度学习框架,利用股票的当日开盘价,最低价,最高价,开盘量等为输入参数进行训练拟合图形并计算与实际的价格之间误差。
利用pandas，numpy数据分析工具进行数学运算，用matplotlib工具进行结果绘图。
3. 主要参考文献
[1] White H. Economic prediction using neural networks: thecase of IBM Gaily stock returns Neural Networks, IEEE International Conferenceon，1988, 2(6): 451－458.
[2]Dose C, Cincotti S. Clustering of financial timeseries with application to index and enhanced index tracking portfolio [C].Physica A: Statistical Mechanics and its Applications, 2005, 355(1): 145-151.
[3]Shaun-inn Wu. Ruey-Pyng Lu.Combining artificialneural networks andstatistics for stock-market forecasting. Neural Computing and Applications. 1993, 257-264.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
