Print

改进型基于LSTM的股票预测方法

论文摘要

针对当前长短时循环神经网络（long short-term memory,简称LSTM）在对股票预测时普遍存在的滞后性问题,提出一种改进型基于LSTM的股票预测方法.首先通过多维度向量输入,选取与股票价格相关系数较高的其他公司的每日股票收盘价,结合预测股票自身价格数据作为模型的输入向量;其次通过特征工程选取不同的特征向量作为输入向量,通过反复训练得到可以明显降低预测滞后性的特征向量组合;最后通过对与股票公司相关的新闻文本进行情感分析,将得到的情感分值作为模型输入向量.腾讯公司股票的预测结果表明,该方法在提高预测准确度的同时,明显改善了预测的滞后性.

论文目录

  • 1 LSTM的结构及计算原理
  •   （1） 细胞状态
  •   （2） 输入门、遗忘门及输出门的计算原理
  • 2 基于LSTM的股票价格预测方法
  •   2.1 预测流程
  •   2.2 预测结果及分析
  • 3 改进型基于LSTM的股票预测方法
  •   3.1 多维度向量输入
  •   3.2 特征工程
  •   3.3 新闻情感分析
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 方红,韩星煜,徐涛

    关键词: 多维向量,特征工程,情感分析

    来源: 安徽大学学报(自然科学版) 2019年06期

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

    单位: 上海第二工业大学文理学部,伦敦大学学院计算机科学系,上海第二工业大学工学部

    基金: 国家自然科学基金资助项目(61972455),上海第二工业大学应用数学学科基金资助项目(XXKPY1604)

    分类号: F224;F832.51

    页码: 36-42

    总页数: 7

    文件大小: 2079K

    下载量: 278

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/442f222a9a543ab015a521aa.html