基于时频融合卷积神经网络的股票指数预测

摘要：

传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降.为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法.首先通过引入变分模态分解(VMD)将原始序列数据分解到频域特征上,使得分解后的股指数据具有低信噪比,同时具有更明显的趋势性和平稳性.进一步结合时序卷积神经网络(TCN),构建了时频融合的卷积神经网络模型.最后在6个实际数据集上与8个基准方法进行比较,实验结果表明该方法具有更高的预测精度和更好的解释性.

关键词：股票指数预测;时频融合;变分模态分解;时序卷积网络

所属期刊栏目：54

分类号：TP311(计算技术、计算机技术)

资助基金：教育部人文社会科学研究项目;中央高校基本科研业务专项资金项目

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：81-88