基于LSTM神经网络的短期价格趋势预测

• 作者: 邓飞燕 岑少琪 钟凤琪 潘家辉
• 来源期刊: 计算机系统应用
• 关键词: 长短期记忆网络 股票价格预测 时间序列 短期价格 LSTM
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 187-192
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007855

摘要

本文主要对LSTM模型结构改进及优化其参数,使其预测股票涨跌走势准确率明显提高,同时对美股周数据及日数据在LSTM神经网络预测效果展开研究.一方面通过分析对比两者预测效果差别,验证不同数据集对预测效果的影响;另一方面为LSTM股票预测研究提供数据集的选择建议,以提高股票预测准确率.本研究通过改进后的LSTM神经网络模型使用多序列股票预测方法来进行股票价格的涨跌趋势预测.实验结果证实,与日数据相比,周数据的预测效果表现更优,其中日数据的平均准确率为52.8％,而周数据的平均准确率为58％,使用周数据训练LSTM模型,股票预测准确率更高.