改进型基于LSTM的股票预测方法

摘要：

针对当前长短时循环神经网络(long short-term memory,简称LSTM)在对股票预测时普遍存在的滞后性问题,提出一种改进型基于LSTM的股票预测方法.首先通过多维度向量输入,选取与股票价格相关系数较高的其他公司的每日股票收盘价,结合预测股票自身价格数据作为模型的输入向量;其次通过特征工程选取不同的特征向量作为输入向量,通过反复训练得到可以明显降低预测滞后性的特征向量组合;最后通过对与股票公司相关的新闻文本进行情感分析,将得到的情感分值作为模型输入向量.腾讯公司股票的预测结果表明,该方法在提高预测准确度的同时,明显改善了预测的滞后性.

关键词：LSTM、多维向量、特征工程、情感分析

所属期刊栏目：43

分类号：TP29(自动化技术及设备)

资助基金：国家自然科学基金资助项目61972455;上海第二工业大学应用数学学科基金资助项目XXKPY1604

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42