基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着经济和科技的快速发展,股市已成为当前金融市场的重要组成部分.传统机器学习方法在处理非线性、高噪声、波动性强的股票时序预测问题时存在局限性,而近年来深度神经网络的兴起,给股票趋势预测问题提供了新的解决方案.采用长短期记忆网络(Long Short-Term Memory,LSTM)来处理长距离的股票时序问题,构建了一个多类别特征体系作为长短期记忆网络的输入进行训练,包括常用技术指标、多种关键转折点特征和个股真实事件信息等.同时,通过实验全面分析了各类特征对股票趋势预测的有效程度,对比结果表明了多类别特征体系在预测中的良好表现,其能够达到68.77%的短期涨跌预测准确率.另外还将LSTM与CNN,RNN和MLP等模型进行了比较,实验结果表明LSTM在解决该时序预测问题上优于其他模型.
推荐文章
基于RF-MIC-PCA的股票趋势预测
股票趋势预测
随机森林
最大信息系数
主成分分析法
基于改进随机森林算法的股票趋势预测
股票趋势预测
技术指标
特征选择
改进的随机森林算法
基于相空间重构理论与递归神经网络相结合的股票短期预测方法
股票短期预测
时间序列
相空间
神经网络
基于分型布朗运动的股票价格趋势预测
布朗运动
分型布朗运动
蒙特卡洛模拟
正态性检验
股票价格
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多类别特征体系的股票短期趋势预测
来源期刊 计算机科学 学科 工学
关键词 股票趋势预测 深度学习 长短期记忆网络 特征构建
年,卷(期) 2020,(z2) 所属期刊栏目 大数据&数据科学
研究方向 页码范围 491-495
页数 5页 分类号 TP183
字数 语种 中文
DOI 10.11896/jsjkx.200100055
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈铁明 60 357 11.0 15.0
2 王婷 13 11 3.0 3.0
3 夏阳雨新 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
股票趋势预测
深度学习
长短期记忆网络
特征构建
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
论文1v1指导