基于LSTM的多元股票信息特征提取与预测研究

• 作者: 徐野 王悦霖
• 来源期刊: 现代经济信息
• 学科: 工学
• 关键词: 深度学习 股市预测 LSTM
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 金融天地
• 页码范围: 325
• 页数: 1页
• 分类号: TP183
• 字数: 1609字
• 语种: 中文

摘要

现有文献虽利用深度学习循环神经网络对股票预测进行研究,但特征数据种类少,缺乏说服力.本文使用从股票数据中提取的多种特征,作为LSTM模型的输入,将次日的涨幅作为该模型的输出进行训练.从而对次日股票的涨幅进行预测,在一定程度上说明股票收益的规律性,给投资者提供一定的参考价值.并由此证明深度学习理论应用于股票市场的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐野		26	82	5.0	8.0
2	王悦霖		2	0	0.0	0.0