基于正则化LSTM模型的股票指数预测

• 作者: 任君 王传美 王建华 王建祥
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: LSTM模型 正则化方法 股票指数 预测
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 数据工程
• 页码范围: 44-48,108
• 页数: 6页
• 分类号: TP399
• 字数: 4655字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.04.008

摘要

针对金融时间序列预测问题,提出正则化长短期记忆神经网络LSTM(Long Short-Term Memory neural network)模型.LSTM模型通过其独特的单元结构,能够深入挖掘出时间序列中的固有规律;采用正则化方法修改LSTM模型的目标函数,优化网络结构,从而选出泛化能力较强的弹性网正则化LSTM模型.将该模型应用于道琼斯指数预测,实验对比表明,该方法计算出的均方根误差最小,预测拟合程度最高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建华	武汉理工大学理学院	27	331	9.0	17.0
3	王传美	武汉理工大学理学院	45	156	7.0	11.0
6	王建祥		3	29	1.0	3.0
7	任君	武汉理工大学理学院	4	29	1.0	4.0