基于粒子群优化LSTM的股票预测模型

• 作者: 包芳勋 宋刚 张云峰 秦超
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 粒子群优化(PSO) LSTM神经网络 自适应 股票价格预测 预测精度
• 年，卷（期）: 2019,（12）
• 页码范围: 2533-2542
• 页数: 10页
• 分类号: TP183
• 字数: 5925字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2019.0388

摘要

为了提高股票时间序列预测精度,增强预测模型结构参数可解释性,提出一种基于自适应粒子群优化(PSO)的长短期记忆(LSTM)股票价格预测模型(PSO-LSTM),该模型在LSTM模型的基础上进行改进和优化,因此擅长处理具有长期依赖关系的、复杂的非线性问题.通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,使股票数据特征与网络拓扑结构相匹配,提高股票价格预测精度.实验分别以沪市、深市、港股股票数据构建了PSO-LSTM模型,并对该模型的预测结果与其他预测模型进行比较分析.结果 表明,基于自适应PSO的LSTM股票价格预测模型不但提高了预测准确度,而且具有普遍适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张云峰	山东财经大学计算机科学与技术学院	15	52	4.0	6.0
5	包芳勋	山东大学数学学院	25	92	5.0	8.0
6	宋刚	山东财经大学计算机科学与技术学院	3	9	2.0	3.0
10	秦超	山东财经大学计算机科学与技术学院	1	6	1.0	1.0