基于LSTM神经网络模型的股票价格变化预测研究 ——以百度股价为例

摘要：

股票预测研究一直是困扰投资者的难题,本文主要研究了LSTM神经网络模型对股票价格变化的预测.为此,本文选取了百度股票2005年8月5日至2022年4月5日的历史数据,共4195条进行研究.数据指标主要包括:交易数据开盘价格(open)、最高价格(high)、最低指数(low)、收盘价格(close)以及成分证券成交量(volume).在数据标准化和划分训练集测试集后,本文首先选择收盘价格(close)单列进行LSTM神经网络预测,对模型进行参数的调整优化,得到损失函数指标MSE为0.2183,进而将5个指标均纳入模型进行预测,预测结果的MSE为0.0078,认为多特征模型拟合效果更好,能够得出较为准确的股价数据趋势.

关键词：股票、价格预测、LSTM神经网络模型

分类号：F832(金融、银行)

资助基金：西安欧亚学院校级重点课程建设项目2018KC022

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：102-105