×

基于长短期记忆网络的长距离股票趋势预测

消耗积分:0 | 格式:pdf | 大小:2.05 MB | 2021-04-28

分享资料个

　　随着经济和科技的快速发展，股市已成为当前金融市场的重要组成部分。传统机器学习方法在处理非线性、高噪声波动性强的股票时序预测问题时存在局限性，而近年来深度神经网络的兴起，给股彯趋势预测问题提供了新的解决方案。采用长短期记忆网络（ Long short- Term Memory，LSTM）来处理长距离的股票时序问题，构建了一个多类别特征体系作为长短期记忆网络的输入进行训练，包括常用技术指标、多种关键转折点特征和个股真实事件信息等。同时，通过实验全面分析了各类特征对股票趋势预测的有效程度，对比结果表明了多类别特征体系在预测中的良妤表现，其能够达到68.77%的短期涨跌预测准确率。另外还将LSTM与CNN，RNN和MLP等模型进行了比较，实验结果表明LSTM在解决该时序预测问题上优于其他模型。

下载并关注上传者 低至0.43元/天 开通VIP 免费下载

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

下载排行榜

全部0条评论

快来发表一下你的评论吧 !