基于股票图像与CNN的股价预测模型研究

• 作者: 刘宁宁 周乔 沈灵聪
• 来源期刊: 金融
• 学科: 经济
• 关键词: 股市预测 卷积神经网络 蜡烛图
• 年，卷（期）: 2020,（4）
• 页码范围: 334-342
• 页数: 9页
• 分类号: F83

摘要

股票市场的预测一直是一个具有挑战性的问题,其波动会受国家政策、公司财报、行业表现、投资者情绪等因素的影响。本文基于股市图像(Stock Charts)方法将股票的连续时间信息进行处理,根据不同的信息丰富度以及预测时间间隔将原始数据分为了多个类别,依次作为深度卷积神经网络(Deep Convolutional Neural Network, DCNN)训练集;并利用深度卷积神经网络对股票市场进行预测,分析在不同分类方法下的精度差异。结果表明,当在标记间隔为30天,使用包含成交量的蜡烛图作为输入时,对美国NDAQ交易所的股票走势预测可以达到59.7%的准确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周乔		1	0	0.0	0.0
2	刘宁宁		2	0	0.0	0.0
3	沈灵聪		1	0	0.0	0.0