基于神经网络集成学习股票预测模型的研究

• 作者: 徐旭 程耕国 谢琪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 长短记忆神经网络 装袋算法 股票 准确率 精确率
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 工程与应用
• 页码范围: 238-243
• 页数: 6页
• 分类号: TP183
• 字数: 6927字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1807-0294

摘要

基于深度学习的原理构建出六层长短记忆神经网络,通过集成学习中Bagging方法组合8个长短记忆神经网络.使用基于神经网络集成学习模型预测中国人民币普通股市场.实验测试了从2012年1月4日到2017年12月29日这期间的上海证券综合指数、深圳证券综合指数、上证50指数、沪深300指数、中小企业板指数和创业企业板指数.实验结果为模型的准确率达到58.5%,精确率为58.33%,召回率为73.5%,F1值为64.5%,AUC值为57.67%,取得了较好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程耕国	武汉科技大学信息科学与工程学院	158	1114	19.0	24.0
2	谢琪	武汉科技大学信息科学与工程学院	4	9	2.0	3.0