基于循环神经网络和深度学习的股票预测方法

• 作者: 闫宏飞 陈维政 陈翀 黄丽明
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 股票预测 循环神经网络 深度学习 长短期记忆
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 第二十四届全国信息检索学术会议专栏
• 页码范围: 13-22
• 页数: 10页
• 分类号: TP181|TP391
• 字数: 7069字
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2019.01.002

摘要

本文提出一种基于多路循环神经网络与深度学习的股票预测方法.针对股票的涨跌预测问题,使用分布式向量表示方法提取出股票相关的新闻文本特征,同时考虑到股票相关信息的时序性以及新闻影响的持续性特质,使用多路循环神经网络模型对所提取的特征与交易信息进行协同训练,从而获得历史信息的低维向量表示.最后将多个循环神经网络的输出进行拼接,利用深度神经网络共同对股票的涨跌进行分类预测.本文使用上证A股的价格与新闻数据进行实验,实验结果表明,本文所提出的方法在股票预测任务上具有明显的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫宏飞	北京大学信息科学与技术学院	32	414	11.0	20.0
2	陈维政	北京大学信息科学与技术学院	6	22	3.0	4.0
3	陈翀	北京师范大学政府管理学院	19	59	6.0	7.0
4	黄丽明	北京大学信息科学与技术学院	2	7	1.0	2.0