基于CNN和GRU的混合股指预测模型研究

• 作者: 党建武 从筱卿
• 来源期刊: 计算机工程与应用
• 关键词: 股指预测 卷积神经网络(CNN) 门控循环单元神经网络
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 167-174
• 页数: 8页
• 分类号: TP183|F830.91
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2004-0236

摘要

针对股票数据共线性和非线性的特点,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)神经网络的混合预测模型,并对沪深300指数、上证综指和深证成指进行了预测.该模型首先采用CNN提取特征向量,对原始数据进行降维,然后利用GRU神经网络学习特征动态变化规律进行股指预测.仿真结果表明,与GRU神经网络、长短时记忆(Long-Short-Term Memory,LSTM)神经网络和CNN相比,该模型能够挖掘历史数据中蕴含的信息,有效提高股指预测的准确率,并可为股指交易提供一些参考.