变步长BLSTM集成学习股票预测

发布时间：2023-11-18 12:30

　　提出采用变步长双向长短期记忆网络(BLSTM)集成学习方法学习历史数据中股票价格变动的规律.针对股票涨跌变化的预测改进均方误差(MSE)损失函数,采用简易的模拟交易盈利评价指标以更好地度量预测模型在金融市场中的期望表现.通过前10～50步长的数据训练BLSTM,预测下1min各股票的涨跌变化.实验结果验证了不同数据预处理下,改进损失函数的有效性及变步长集成方法相对于单一网络的有效性.

【文章页数】：8 页

【文章目录】：
1 预测模型
    1.1 双向长短期记忆网络
    1.2 变步长集成方法
    1.3 MLP和RNN
2 数据预处理
3 损失函数
4 评价标准
5 实验结果和分析
    5.1 实验环境
    5.2 实验分析
6 结论



本文编号：3865289