一种基于主成分LSTM模型在股票预测中的研究

• 作者: 王东 王霄鹏 杨川东
• 来源期刊: 重庆理工大学学报（自然科学版）
• 关键词: 神经网络 主成分分析法 LSTM模型 股票价格预测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 数学·统计学
• 页码范围: 282-288
• 页数: 7页
• 分类号: TP138
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2021.02.034

摘要

在利用技术方法建立LSTM股票预测模型时,传统方法由于所选择的输入数据变量较多、数据信息存在重叠、异常值对训练影响较大等因素,经常导致泛化性差,预测效果欠佳.针对此类问题,提出利用主成分分析法将基础数据降维,再结合股票相关技术指标KDJ,MACD一同作为输入数据,并根据股票特性将模型调整后再进行预测.实验结果表明:PCA-S-LSTM模型在降低预测平均误差的同时,大大减少了运行时间,提高了预测稳定性,较为准确地预测了平安银行的收盘价,具有应用价值.