RF-SA-GRU模型的股价预测研究

摘要：

针对股票具有多因子、高随机性和非平稳性等复杂特征,利用门控循环单元(GRU)网络直接进行股价预测效果较差的问题.在融合自注意力机制(SA)和GRU,构建SA-GRU模型的基础上,引入降维处理技术随机森林(RF)算法,针对股票收盘价筛选其他因子,将经过降维的股票因子数据作为SA-GRU模型的输入.基于双层GRU网络提取股票因子间的依赖关系,再利用SA加强对重要因子的关注和因子内部的联系,得到加入注意力权重后的股票因子数据,通过全连接层输出股价预测值,从而构建RF-SA-GRU混合模型.选取涉及18个基础行业的18只股票进行股价预测,实验显示RF-SA-GRU模型在18只股票上均取得好的预测效果,且预测精度和稳定性均优于其他模型.此外,选取3个指数进行收盘点位预测,实验显示RF-SA-GRU模型在股指预测方面依旧具有更好的预测性能.

关键词：股票价格预测、随机森林(RF)、自注意力机制(SA)、门控循环单元(GRU)

所属期刊栏目：59

分类号：TP29(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：300-309