基于LSTM-CNN-CBAM模型的股票预测研究

摘要：

为了更好地对股票价格进行预测,进而为股民提供合理化的建议,提出了一种在结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的基础上引入注意力机制的股票预测混合模型(LSTM-CNN-CBAM),该模型采用的是端到端的网络结构,使用LSTM来提取数据中的时序特征,利用CNN挖掘数据中的深层特征,通过在网络结构中加入注意力机制——Convolutional Attention Block Module(CBAM)卷积模块,可以有效地提升网络的特征提取能力.基于上证指数进行对比实验,通过对比实验预测结果和评价指标,验证了在LSTM与CNN结合的网络模型中加入CBAM模块的预测有效性和可行性.

关键词：长短期记忆网络(LSTM)、卷积神经网络(CNN)、注意力机制、股价预测

所属期刊栏目：57

分类号：TP29(自动化技术及设备)

在线出版日期：2021-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：203-207