針對當(dāng)前長短時循環(huán)神經(jīng)網(wǎng)絡(luò)(long short-term memory,簡稱LSTM)在對股票預(yù)測時普遍存在的滯后性問題,提出一種改進(jìn)型基于LSTM的股票預(yù)測方法.首先通過多維度向量輸入,選取與股票價格相關(guān)系數(shù)較高的其他公司的每日股票收盤價,結(jié)合預(yù)測股票自身價格數(shù)據(jù)作為模型的輸入向量;其次通過特征工程選取不同的特征向量作為輸入向量,通過反復(fù)訓(xùn)練得到可以明顯降低預(yù)測滯后性的特征向量組合;最后通過對與股票公司相關(guān)的新聞文本進(jìn)行情感分析,將得到的情感分值作為模型輸入向量.騰訊公司股票的預(yù)測結(jié)果表明,該方法在提高預(yù)測準(zhǔn)確度的同時,明顯改善了預(yù)測的滯后性.

【文章頁數(shù)】：7 頁

【文章目錄】：
1 LSTM的結(jié)構(gòu)及計算原理
    (1) 細(xì)胞狀態(tài)
    (2) 輸入門、遺忘門及輸出門的計算原理
2 基于LSTM的股票價格預(yù)測方法
    2.1 預(yù)測流程
    2.2 預(yù)測結(jié)果及分析
3 改進(jìn)型基于LSTM的股票預(yù)測方法
    3.1 多維度向量輸入
    3.2 特征工程
    3.3 新聞情感分析
4 結(jié)束語



本文編號：3851591