如何準確地進行股票預(yù)測一直是量化金融領(lǐng)域的重要問題。長短期記憶細胞神經(jīng)網(wǎng)絡(luò)（LSTM）的出現(xiàn)較好地解決了股票預(yù)測這類的復(fù)雜序列化數(shù)據(jù)學(xué)習(xí)的問題。然而前期研究結(jié)果表明單一使用該方法仍存在預(yù)測不平衡、陷入局部極值導(dǎo)致能力不佳的問題�；谏鲜鰡栴},文中利用將遺傳算法（GA）解決調(diào)參問題來保證模型預(yù)測的平衡性,由此構(gòu)建了新型股票預(yù)測模型。該模型分為三部分,首先利用LSTM網(wǎng)絡(luò)進行收盤價的預(yù)測,再利用基于遺傳算法的判別機制,最終獲取下一刻股票的漲跌信號。這一模型不同于先前的研究,主要針對LSTM模型的輸出模塊進行了改進。文中使用了中證500的日內(nèi)分鐘數(shù)據(jù)進行測試驗證。實驗得出,改進模型的各方面指標均優(yōu)于單獨的LSTM模型。 

【文章來源】：計算機科學(xué). 2020,47(S1)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

LSTM記憶單元

預(yù)測模型總體設(shè)計框圖

LSTM網(wǎng)絡(luò)結(jié)構(gòu)

【參考文獻】：
期刊論文
[1]基于特征選取與LSTM模型的股指預(yù)測方法研究[J]. 陳佳,劉冬雪,武大碩.  計算機工程與應(yīng)用. 2019(06)



本文編號：3371571