资料下载
×
基于深度LSTM和注意力机制的金融数据预测方法
消耗积分:0 |
格式:pdf |
大小:2.09 MB |
2021-04-23
分享资料个
随着互联网的迅速发展，金融市场毎日产生了大量在线金融数据，如每日的交易次数以及交易的总金额等。近年来金融市场数据的动态预测成为了研究热点。金融市场数据量大，输入序列较多，且会随着时间发生变化。针对这些问题，文中提出了基于深度LSTM和注意力机制的金融数据预测模型。首先，该模型能处理复杂的金融市场数据输入，主要是多序列的输入;其次，该模型使用深度LSTM网络对金融数据进行建模，解决了数据间长依赖的问题，并能学习到更加复杂的市场动态特;最后，该模型引入了注意力机制，使得不同时间的数据对预测的重要程度不同，预测更加精准。在真实的金融大数据集上的实验表明，所提模型在动态预测领域具有准确性髙、稳定性好的特点。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
