基于LSTM的量化股票预测

• 作者: 张岐 王悦 赵建群
• 来源期刊: 金融
• 学科: 经济
• 关键词: 特征量化 LSTM 沪深300 涨跌幅预测
• 年，卷（期）: 2020,（4）
• 页码范围: 366-373
• 页数: 8页
• 分类号: F83

摘要

股票特征通常夹杂较多噪声数据,而带噪数据会影响股票预测模型的预测精度。本文提出一种对股票数据特征进行量化编码的方法,并使用长短期记忆网络构建预测模型,对量化后的数据进行预测。数据集采用沪深300成分股,在对股票数据量化后进行3分类涨跌幅预测。实验结果表明,使用量化编码对股票特征处理后,预测效果优于使用原始数据预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王悦	广东科贸职业学院经济管理学院	11	45	3.0	6.0
2	张岐	广东科贸职业学院经济管理学院	5	26	2.0	5.0
3	赵建群	广东科贸职业学院经济管理学院	5	2	1.0	1.0