改进型基于LSTM的股票预测方法

发布时间：2023-10-06 09:31

　　针对当前长短时循环神经网络(long short-term memory,简称LSTM)在对股票预测时普遍存在的滞后性问题,提出一种改进型基于LSTM的股票预测方法.首先通过多维度向量输入,选取与股票价格相关系数较高的其他公司的每日股票收盘价,结合预测股票自身价格数据作为模型的输入向量;其次通过特征工程选取不同的特征向量作为输入向量,通过反复训练得到可以明显降低预测滞后性的特征向量组合;最后通过对与股票公司相关的新闻文本进行情感分析,将得到的情感分值作为模型输入向量.腾讯公司股票的预测结果表明,该方法在提高预测准确度的同时,明显改善了预测的滞后性.

【文章页数】：7 页

【文章目录】：
1 LSTM的结构及计算原理
    (1) 细胞状态
    (2) 输入门、遗忘门及输出门的计算原理
2 基于LSTM的股票价格预测方法
    2.1 预测流程
    2.2 预测结果及分析
3 改进型基于LSTM的股票预测方法
    3.1 多维度向量输入
    3.2 特征工程
    3.3 新闻情感分析
4 结束语



本文编号：3851591