基于LSTM神经网络的短期价格趋势预测
本文主要对LSTM模型结构改进及优化其参数,使其预测股票涨跌走势准确率明显提高,同时对美股周数据及日数据在LSTM神经网络预测效果展开研究.一方面通过分析对比两者预测效果差别,验证不同数据集对预测效果的影响;另一方面为LSTM股票预测研究提供数据集的选择建议,以提高股票预测准确率.本研究通过改进后的LSTM神经网络模型使用多序列股票预测方法来进行股票价格的涨跌趋势预测.实验结果证实,与日数据相比,周数据的预测效果表现更优,其中日数据的平均准确率为52.8％,而周数据的平均准确率为58％,使用周数据训练LSTM模型,股票预测准确率更高.
长短期记忆网络、股票价格预测、时间序列、短期价格、LSTM
30
广州市科技计划重点领域研发计划;广东省自然科学基金面上项目;国家自然科学基金面上项目
2021-04-15（万方平台首次上网日期，不代表论文的发表时间）
共6页
187-192
