本文根據(jù)股指、股價(jià)等數(shù)據(jù)的時(shí)序特征將人工神經(jīng)網(wǎng)絡(luò)(ANN)與深度學(xué)習(xí)中的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)引入股指預(yù)測(cè),基于BP神經(jīng)網(wǎng)絡(luò)模型與長(zhǎng)短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了BP-LSTM模型.基于上證指數(shù),本文進(jìn)行了進(jìn)行數(shù)值實(shí)驗(yàn).結(jié)果表明BP-LSTM預(yù)測(cè)模型的準(zhǔn)確率相比傳統(tǒng)機(jī)器學(xué)習(xí)模型有明顯提升,與普通LSTM模型相比也有較大提升.

【文章頁(yè)數(shù)】：5 頁(yè)

本文編號(hào)：3881808