10.3969/j.issn.1009-3540.2020.09.005
基于多时间尺度复合深度神经网络的股票价格预测
本文以2012-2019年沪深300指数为样本,利用深度学习方法对沪深300指数的涨跌方向进行预测.在多时间尺度上分别运用卷积神经网络与长短时记忆模型进行特征提取后,通过将不同时间尺度上的特征矩阵进行拼接而得到最终的预测结果.在使用不同网络结构超参数调整模型结构后,将预测效果与其他模型进行比较,发现本文提出的多时间尺度CNN-LSTM模型能够有效改善对沪深300指数涨跌预测的效果,并在交易回测中获得盈利.本文的研究丰富了金融时间序列数据分析的方法,既能为投资者提供决策参考,也有助于提升对金融市场规律的认知.
深度学习、神经网络、股票价格、长短时记忆模型、卷积神经网络
F830.91(金融、银行)
国家社会科学基金项目“金融科技背景下普惠金融机制与路径研究”19BJY250
2020-12-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
32-40