基于改进LSTM和灰色模型的股票预测研究

发布时间：2024-06-30 13:25

　　随着国家经济不断的发展和人民生活水平的提高,股票投资已经成为很多民众重要的投资方式之一。可是股票投资会面临一定的风险,因此对于股票投资者来说能更好的预测股票走势是非常重要和有意义的。然而股票的变化趋势相对复杂,数据量大,数据的信息重叠度高,数据的波动值较大等,对于一些传统的预测模型来说,不仅训练时长增加且不易学习到变化的规律,这些都会导致一些股票模型预测结果不理想,与实际数据差异大。基于此本论文通过卷积神经网络(CNN)改进长短期记忆(LSTM)模型并联合GM(1,1)灰色模型构建混合模型,对股票的价格进行了预测研究,主要研究内容如下:1.数据处理。在股票官方网站选取沪深两大股市中具有代表性的股票,收集40万条历史股票信息,通过My SQL数据库进行存储,并对数据进行研究性分析筛选。2.改进LSTM模型。在LSTM模型前增加卷积神经网络模型进行数据处理,整合LSTM模型和CNN模型的特点来解决因记忆模块能力有限造成的预测滞后的问题。3.传统预测。对改进的LSTM模型和GM(1,1)模型单独进行股票预测,实验预测结果显示两种模型对股票收盘价预测表现良好,但是GM(1,1)对长数据处理能力...

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

图2.1LSTM结构图

2相关基础理论与关键技术硕士研究生学位论文62相关基础理论与关键技术2.1相关模型2.1.1LSTMLSTM作为一种特殊的循环神经网络，解决了长序列训练过程中梯度消失和爆炸的问题，网络结构更加复杂。LSTM引入了一种细胞状态，并结合了遗忘、输入和输出门来丢弃、维护和更新信息。模型....

图3.1沪深300成分股权重占比Figure3.1ProportionofsharesofCSI300component

3数据集的构建与数据处理硕士研究生学位论文14从网易财经官方网站中下载数据后，以CSV的格式保存在数据库中进行统一的管理。同时为了更好的分析股票，从中证指数网站下载最新的沪深300股票权重比例。沪深300部分股票权重结构如表3.2所示。表3.2部分成分股权重Table3.2Equ....

图4.1改进的LSTM模型流程图

?优势和特点来改进LSTM模型，在LSTM模型前增加CNN模型进行数据处理，利用CNN自身特征提取和降维的优势，可以减少LSTM模型在预测时的数据量，提高数据处理的速度和LSTM模型的数据记忆能力。为了发挥出LSTM模型自身数据记忆能力的优势并降低网络的负载冗余增量，在改进的LS....

图4.2LSTM-CNN模型的架构

4基于改进LSTM和GM(1,1)的混合模型股票预测硕士研究生学位论文22图4.2LSTM-CNN模型的架构Figure4.2ArchitectureoftheLSTM-CNNmodel4.3实验方案及结果分析4.3.1数据预处理实验数据：在网易财经网中下载上海交易所2010年1....

本文编号：3998799