改进型基于LSTM的股票预测方法

• 作者: 徐涛 方红 韩星煜
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: LSTM 多维向量 特征工程 情感分析
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 36-42
• 页数: 7页
• 分类号: TP29
• 字数: 3576字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2019.06.005

摘要

针对当前长短时循环神经网络(long short-term memory,简称LSTM)在对股票预测时普遍存在的滞后性问题,提出一种改进型基于LSTM的股票预测方法.首先通过多维度向量输入,选取与股票价格相关系数较高的其他公司的每日股票收盘价,结合预测股票自身价格数据作为模型的输入向量;其次通过特征工程选取不同的特征向量作为输入向量,通过反复训练得到可以明显降低预测滞后性的特征向量组合;最后通过对与股票公司相关的新闻文本进行情感分析,将得到的情感分值作为模型输入向量.腾讯公司股票的预测结果表明,该方法在提高预测准确度的同时,明显改善了预测的滞后性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐涛	上海第二工业大学工学部	7	1	1.0	1.0
2	方红	上海第二工业大学文理学部	8	57	4.0	7.0