基于长短期记忆网络的股票走势及预测——以国内外文旅元宇宙产业股票为例
作为新一代互联网应用和社会形态,元宇宙将虚拟世界与现实世界在经济系统、社交系统、身份系统上密切融合.但作为实体经济和虚拟经济深度融合的新型数字经济形态以及全新的产业形态,元宇宙尚处在发展初期,潜在的经济形态风险将为金融安全发展和金融监管带来全新挑战.因此,使用深度学习方法预测元宇宙领域股票价格对于元宇宙的健康发展具有重要意义.但股市行情受众多因素影响,股价数据具有长期记忆性和长期依赖性,因此本文采用长期短期记忆网络(LSTM)模型,分别预测A股和美股的文旅元宇宙上市公司的股票收盘价变化.首先选取前 50 天的股票收盘价数据作为初始数据,利用该数据对后 5 天的数据进行预测,并依此对数据集进行切片.将数据集按特定比例分为训练集、验证集和测试集.最后,将数据作为训练模型的样本代入模型,并使用平均绝对误差(MAE)作为预测评价指标.实验结果表明,基于LSTM模型对股票走势进行预测可以将MAE控制在 0.4-0.5 之间,对股票预测的准确率达到 51%-60%,但多次实验的准确率均与 51%较为接近,这主要是由于股票市场的纯随机性所致.分析其原因,主要是由于与元宇宙相关的产业其发展仍处于方兴未艾的阶段,大多提出元宇宙发展战略的公司,仍未推出革命性的产品.因此,在经历了短时间的跟风热潮后,股市投资者的投资策略势必会面临大幅度转向.这也充分说明,文旅元宇宙相关产业,在理念构建和实践成果方面,仍旧亟待发展和创新.
LSTM模型、股价预测、时间序列、元宇宙、文旅产业
F832.51(金融、银行)
2023-08-21（万方平台首次上网日期，不代表论文的发表时间）
共4页
130-133
