变步长BLSTM集成学习股票预测

摘要：

提出采用变步长双向长短期记忆网络(BLSTM)集成学习方法学习历史数据中股票价格变动的规律.针对股票涨跌变化的预测改进均方误差(MSE)损失函数,采用简易的模拟交易盈利评价指标以更好地度量预测模型在金融市场中的期望表现.通过前10～50步长的数据训练BLSTM,预测下1 min各股票的涨跌变化.实验结果验证了不同数据预处理下,改进损失函数的有效性及变步长集成方法相对于单一网络的有效性.

关键词：双向长短期记忆网络、集成学习、变步长、股票价格、改进均方误差损失

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目61271383;华侨大学研究生科研创新能力培育计划项目1611314016

在线出版日期：2019-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：269-276