10.14076/j.issn.1006-2025.2021.02.02
基于LSTM深度学习的大豆期货价格预测
面对越来越复杂的金融市场环境,以传统统计学和计量学为主的时间序列预测模型在发现序列中的长期依赖关系方面存在一定局限性,而深度学习中的长短期记忆(LSTM)网络有望克服这一问题.通过构造一个多层LSTM网络价格预测模型,使用中国2007-2019年大豆期货价格数据进行了实证研究.结果显示,参数调优对LSTM网络模型预测效果有着较大影响,其中影响较大的主要参数包括迭代次数、学习率、窗口大小和网络层数等;与ARIMA模型、MLP模型、SVR模型相比,LSTM网络模型的预测结果准确性更高,在拟合优度(R2)上分别提高了 1.064%、2.147%、1.674%.LSTM网络模型在价格预测方面的良好表现,为预测大豆期货价格提供了新思路.
深度学习、LSTM神经网络、价格预测、大豆期货
F737.7(世界各国国内贸易经济)
教育部人文社会科学研究规划基金项目"社会阻抑对情绪劳动、顾客导向跨界行为的影响机制研究——以一线服务员工为例";浙江省公益研究计划项目"基于系统动力学的并购DCF价值评估方法优化研究";浙江省哲学社会科学规划课题"基于卷积神经网络的企业财务风险特征识别和评价预警研究"
2021-03-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
7-15