基于LSTM神经网络的金融数据预测分析

发布时间：2021-02-25 04:13

　　金融市场瞬息万变,受金融市场、政治因素等多方面的影响,使得金融数据也具有极大的不确定性。然而,金融数据的预测分析、预测建模却具有重要意义,从宏观的层面上讲,有效预测金融数据的变化和走势有利于国家制定国家发展战略和经济发展策略;从中观的层面上讲,能够洞悉金融数据的变化有利于企业规划经营战略,取得市场竞争优势;从微观的层面上讲,个体投资者为了获得利益,在进行投资决策前会关注历史的数据变化和行业或公司的发展。金融数据的变化时时刻刻被大众关注,金融数据预测问题仍是亟需探索的并与个体、国家息息相关的问题。多年来,大量的学者关注着量化投资问题,其伴随而来的是金融数据预测模型的不断提出和改进。近几年来,神经网络模型被广泛应用于金融市场变化预测方面,而传统的时间序列模型也在这方面历久不衰,依旧被广泛的应用。本文创新的提出用传统的时间序列模型改进深度学习模型的方案。本文着眼于基于LSTM神经网络的金融数据预测模型的改进问题,以平安银行的股价数据为实验对象,应用R语言、python工具进行实验模拟。通过分析金融数据的特性、LSTM的网络结构,得到金融数据存在高噪声非线性、LSTM参数选取受主观意识影响的问... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

LSTM单元结构示意图

天预测

0天预测


本文编号：3050423