变步长BLSTM集成学习股票预测

• 作者: 李斌 王子玥 谢维波
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 双向长短期记忆网络 集成学习 变步长 股票价格 改进均方误差损失
• 年，卷（期）: 2019,（2）
• 页码范围: 269-276
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.201807050

摘要

提出采用变步长双向长短期记忆网络(BLSTM)集成学习方法学习历史数据中股票价格变动的规律.针对股票涨跌变化的预测改进均方误差(MSE)损失函数,采用简易的模拟交易盈利评价指标以更好地度量预测模型在金融市场中的期望表现.通过前10～50步长的数据训练BLSTM,预测下1 min各股票的涨跌变化.实验结果验证了不同数据预处理下,改进损失函数的有效性及变步长集成方法相对于单一网络的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢维波	华侨大学计算机科学与技术学院	63	306	10.0	14.0
2	王子玥	华侨大学计算机科学与技术学院	5	0	0.0	0.0
3	李斌	华侨大学计算机科学与技术学院	5	33	1.0	5.0