基于LSTM的多特征股票趋势预测研究

摘要：

股票市场作为一个复杂非线性系统,受到多种信息源影响,其趋势调整不是按照均匀时间过程变动.针对股票市场特点,结合LSTM(Long Short-Term Memory)神经网络拟合复杂时序数据的特性,使用来自新闻平台、 社交平台、 历史数据等不同层级来源的信息,提出一种基于LSTM的多特征股票趋势预测模型.首先使用经验模态分解对股票基础数据降噪,获取股价变动规律;将金融文本数据推送到引入注意力机制与自动编码器的改进LSTM网络模型中训练与测试,从而反映投资者心理;再经LSTM神经网络对股票趋势进行组合预测.结果表明,时序型金融文本特征的加入能有效提升模型的预测表现.

关键词：多源数据、多特征、LSTM、股票趋势预测

所属期刊栏目：22

分类号：TP183;G353(自动化基础理论)

资助基金：教育部人文社会科学研究规划基金项目17YJA870006

在线出版日期：2020-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：17-27