基于LSTM变权组合模型的股价预测

• 作者: 王文姣 张娜 兰州交通大学数理学院
• 来源期刊: 商展经济
• 关键词: GRA PCA LSTM 误差倒数变权组合预测法
• 年，卷（期）: 2023,（07）
• 所属期刊栏目: 金融视线
• 页码范围: 101-103
• 页数: 3页
• 语种: 中文
• DOI: 10.19995/j.cnki.CN10-1617/F7.2023.07.095

摘要

为提高股票价格的准确预测，帮助投资者实现科学理性的投资决策，本文提出以沪深300指数收盘价为预测对象，以经灰色关联分析(GRA)和主成分分析(PCA)处理后的特征指标为输入变量，利用误差倒数变权组合预测法对经过网格搜索法和粒子群算法优化后的传统机器学习模型(RFR、SVR)和长短记忆神经网络(LSTM)模型进行加权组合实现最终预测，构建了基于GRA-PCA-LSTM的变权组合模型，并依据模型评价指标对比分析单一模型和其他方式组合模型的预测结果。实验结果表明：LSTM模型的预测效果优于传统机器学习模型；SVR-LSTM(Variable)模型在RMSE、MAPE与R2三个评价指标上的预测精度均优于SVR-LSTM(Equal)、SVR-LSTM(Error)及其对应的单一模型。同时，本文利用其他数据集进一步验证了基于GRA-PCA-LSTM的变权组合模型，可以提高股指价格的预测性能。