基于LSTM的多特征股票趋势预测研究

发布时间：2024-09-17 18:52

　　 股票市场作为一个复杂非线性系统,受到多种信息源影响,其趋势调整不是按照均匀时间过程变动。针对股票市场特点,结合LSTM(Long Short-Term Memory)神经网络拟合复杂时序数据的特性,使用来自新闻平台、社交平台、历史数据等不同层级来源的信息,提出一种基于LSTM的多特征股票趋势预测模型。首先使用经验模态分解对股票基础数据降噪,获取股价变动规律;将金融文本数据推送到引入注意力机制与自动编码器的改进LSTM网络模型中训练与测试,从而反映投资者心理;再经LSTM神经网络对股票趋势进行组合预测。结果表明,时序型金融文本特征的加入能有效提升模型的预测表现。

【文章页数】：11 页

【文章目录】：
一、引言
二、LSTM的结构和原理介绍
三、基于LSTM的多特征股票趋势预测模型
    (一)股票数据特征构建
    (二)金融文本特征构建
    (三)文本处理模型
    (四)基于LSTM的多特征股票趋势预测建模
四、实验及结果分析
    (一)实验数据
    (二)股票信号分解重构
    (三) LSTM模型超参数设置及训练
    (四)实验结果分析
五、总结与展望



本文编号：4005894