融合SDE算法和双路加权门控循环神经网络的股价走势预测模型

• 作者: 吴彬 张勇 唐颖军
• 来源期刊: 小型微型计算机系统
• 关键词: 自适应差分进化算法 双路加权门控循环单元 循环神经网络 数据预测模型 股价走势
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能与算法研究|Artificial Intelligence and Algorithms Research
• 页码范围: 1371-1376
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.07.004

摘要

关于股票价格走势的预测,传统的操作方法多是通过统计分析工具或者是单一的机器学习算法进行预测,很难准确把握股价这种时间序列数据的非线性和非平稳性等特征,从而使预测精度受限.融合SDE算法与加权BiGRU网络的优化预测模型,先使用SDE全局寻优网络的结构参数,求得最优初始权值、阈值以及权重系数,再将优化的参数应用到改良的加权BiGRU网络模型中进行预测.优化的预测模型能够有选择的考虑过去和未来时间点对当前时刻数据的影响,而且能有效避免局部最优值以及网络的长程依赖问题.实验结果表明,优化的预测模型与其他传统神经网络预测模型相比较,预测误差得到显著降低,预测准确度得到明显增强.