預(yù)測(cè)時(shí)間序列數(shù)據(jù)是經(jīng)濟(jì)學(xué)、商業(yè)和金融學(xué)中的一個(gè)重要主題。ARIMA模型在預(yù)測(cè)下一個(gè)時(shí)間序列滯后的精度和準(zhǔn)確性方面表現(xiàn)出色。隨著計(jì)算機(jī)計(jì)算能力的發(fā)展,產(chǎn)生了基于深度學(xué)習(xí)的新算法來(lái)預(yù)測(cè)時(shí)間序列數(shù)據(jù),如長(zhǎng)短期記憶（LSTM）。通過(guò)實(shí)證研究,基于深度學(xué)習(xí)的算法（如LSTM）優(yōu)于傳統(tǒng)算法,與ARIMA相比,LSTM獲得的錯(cuò)誤率平均降低在84%～87%之間,表明了LSTM對(duì)ARIMA的優(yōu)越性。 

【文章頁(yè)數(shù)】：2 頁(yè)

【文章目錄】：
1 研究背景
2 時(shí)間序列預(yù)測(cè)
3 模型背景
4 長(zhǎng)短期記憶（LSTM)
5 ARIMA與LSTM比較
    5.1 數(shù)據(jù)來(lái)源
    5.2 結(jié)果展示
6 結(jié)果分析
7 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]LSTM模型在中國(guó)A股市場(chǎng)的應(yīng)用[J]. 張蜀林,趙雄飛.  全國(guó)流通經(jīng)濟(jì). 2018(35)
[2]ARIMA模型在我國(guó)GDP預(yù)測(cè)中的應(yīng)用[J]. 于連敏.  時(shí)代金融. 2017(21)
[3]基于ARIMA模型的金融品種走勢(shì)預(yù)測(cè)技術(shù)[J]. 王成國(guó),鄧仲元,陳海文,蔡志平.  計(jì)算機(jī)技術(shù)與發(fā)展. 2015(07)
[4]基于ARIMA模型的金融專業(yè)人才需求預(yù)測(cè)[J]. 陳瑤,余信豐,黃宏.  商場(chǎng)現(xiàn)代化. 2009(14)
[5]中國(guó)的通貨膨脹預(yù)測(cè):基于ARIMA模型的實(shí)證分析[J]. 肖曼君,夏榮堯.  上海金融. 2008(08)

碩士論文
[1]基于深度學(xué)習(xí)的金融市場(chǎng)波動(dòng)率預(yù)測(cè)和風(fēng)險(xiǎn)值計(jì)算[D]. 于水玲.長(zhǎng)春理工大學(xué) 2018



本文編號(hào)：3674793