基于LSTM神经网络的时间序列证券价格趋势预测 ——以指数移动平均值均线数据进行采样

摘要：

针对国家对证券市场的监管和投资人对证券市场的决策而言,一个精确度更高的时间序列预测模型是很重要的.本文在吸取前人利用神经网络模型进行证券价格趋势预测中的经验,基于长短期记忆人工神经网络搭建时间序列,提出利用指数移动平均值均线对数据进行采样,以提高时间序列对证券价格趋势预测的准确性.本文采用的时间序列数据为上证指数日线收盘价,实验结果表明预测精确度提高70％,采用指数移动平均值均线对数据进行采样输入时间序列分析模型的预测效果优于传统方法进行数据采样.本文的实验结果为国家对市场的监督和投资者的决策提供了一定参考.

关键词：时间序列;指数移动平均值;神经网络;LSTM;深度学习

分类号：F832.0(金融、银行)

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：92-94