股票市場作為一個復雜非線性系統(tǒng),受到多種信息源影響,其趨勢調(diào)整不是按照均勻時間過程變動。針對股票市場特點,結(jié)合LSTM(Long Short-Term Memory)神經(jīng)網(wǎng)絡擬合復雜時序數(shù)據(jù)的特性,使用來自新聞平臺、社交平臺、歷史數(shù)據(jù)等不同層級來源的信息,提出一種基于LSTM的多特征股票趨勢預測模型。首先使用經(jīng)驗模態(tài)分解對股票基礎(chǔ)數(shù)據(jù)降噪,獲取股價變動規(guī)律;將金融文本數(shù)據(jù)推送到引入注意力機制與自動編碼器的改進LSTM網(wǎng)絡模型中訓練與測試,從而反映投資者心理;再經(jīng)LSTM神經(jīng)網(wǎng)絡對股票趨勢進行組合預測。結(jié)果表明,時序型金融文本特征的加入能有效提升模型的預測表現(xiàn)。

【文章頁數(shù)】：11 頁

【文章目錄】：
一、引言
二、LSTM的結(jié)構(gòu)和原理介紹
三、基于LSTM的多特征股票趨勢預測模型
    (一)股票數(shù)據(jù)特征構(gòu)建
    (二)金融文本特征構(gòu)建
    (三)文本處理模型
    (四)基于LSTM的多特征股票趨勢預測建模
四、實驗及結(jié)果分析
    (一)實驗數(shù)據(jù)
    (二)股票信號分解重構(gòu)
    (三) LSTM模型超參數(shù)設置及訓練
    (四)實驗結(jié)果分析
五、總結(jié)與展望



本文編號：4005894