联合RMSE损失LSTM-CNN模型的股价预测

摘要：

由于金融市场的复杂性和多变性,当前模型尚不能完全覆盖股票走势影响因素的方方面面,在预测精度方面还存在改进空间.基于此,提出了一种联合RMSE损失LSTM-CNN(long short-term memory-convolutional neural networks)的方法.该方法创新性地通过联合两个模型的RMSE损失函数,融合了LSTM学习长期时间序列依存关系的优点和CNN提取数据中深层特征的优点.在训练数据端通过将同一数据分为两种不同的表现形式,即股票时序数据和股票图像数据,使联合模型中的每个分支发挥最大的作用.为了证明该模型的可行性,建立BP(back propagation)、LSTM、CNN和LSTM-CNN融合模型作为对比.通过浦发银行、沪深300指数和上证综指三个数据集上的实验结果,得出所提联合RMSE损失LSTM-CNN模型,在预测效果上具有良好的可行性和普适性的结论.

关键词：神经网络、深度学习、LSTM模型、CNN模型、股票预测

所属期刊栏目：58

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金62072066

在线出版日期：2022-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：294-302