数据多维处理LSTM股票价格预测模型

发布时间：2021-10-29 14:58

　　股票的价格具有非线性、随机性等特征,为更精准地预测股票价格,充分利用股票价格数据的时间相关性和数据自身的变化趋势,提出数据多维处理的LSTM股票价格预测模型。通过对股票价格因子数据进行多维处理,提高数据有效信息,形成可以高度反映股票价格的多维数据,在此基础上建立长短期记忆网络组合预测模型,通过收集股市中的股票数据进行实验。实验结果表明,模型预测值与实际股价数据的均方根误差和平均绝对误差仅为0.013 2和0.010 3,相较于单一长短期记忆网络预测模型,2项误差分别降低90.81%和91.65%。数据多维处理LSTM股票价格预测模型具有较高的预测精度。 

【文章来源】：江西科学. 2020,38(04)

【文章页数】：8 页

【部分图文】：

LSTM单元结构

股票价格变化趋势的预测对模型预测结果精度有重要的影响，经过差分法处理的数据可以保留高频，减少低频，相位置前，而经过积分处理的数据可以保留低频，减少高频，相位置后。股价数据的差分、积分和原始图像如图4～图6所示，由于实验样本数据量过大，选取前100个样本数据作为展示数据，数据图像展示均值为0，方差为1的数据处理图像。图3 股价数据频谱图像

股价数据频谱图像

【参考文献】：
期刊论文
[1]基于PCA和IFOA-BP神经网络的股价预测模型[J]. 綦方中,林少倩,俞婷婷.  计算机应用与软件. 2020(01)
[2]小波包最优基分解树的降噪滤波方法研究[J]. 张泽宇,惠记庄,石泽.  机械科学与技术. 2020(01)
[3]风险承担、信息不透明与股价同步性[J]. 田高良,封华,张亭.  系统工程理论与实践. 2019(03)
[4]基于LSTM的股票价格预测建模与分析[J]. 彭燕,刘宇红,张荣芬.  计算机工程与应用. 2019(11)
[5]民航陆空通话语音识别BiLSTM网络模型[J]. 邱意,贾桂敏,杨金锋,刘远庆.  信号处理. 2019(02)
[6]贝叶斯神经网络在股票时间序列预测中的应用[J]. 刘恒,侯越.  计算机工程与应用. 2019(12)



本文编号：3464873