基于LSTM神经网络的短期价格趋势预测
作者:
基金项目:

广州市科技计划重点领域研发计划(202007030005); 广东省自然科学基金面上项目(2019A1515011375); 国家自然科学基金面上项目(61876067)


Short-Term Price Trend Forecast Based on LSTM Neural Network
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [11]
  • |
  • 相似文献 [20]
  • | | |
  • 文章评论
    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.

    Abstract:

    This study mainly optimizes the structure and parameters of the LSTM model, so that the accuracy of predicting the trend in stock prices is significantly improved. Besides, we investigate the weekly and daily data on US stock in terms of predicting the LSTM neural network. On one hand, we compare the difference to verify the impact of different data sets on the forecast. On the other hand, we provide selection suggestions for data sets so as to increase the accuracy of stock forecast. This study uses the multi-time-series stock forecast in the improved LSTM model to predict the trend in stock prices. The results demonstrate that the weekly data perform better in forecast than daily data. To be specific, the average accuracy of daily data and weekly data is 52.8% and 58%, respectively. In summary, the application of weekly data to training the LSTM model yields higher accuracy in stock forecast.

    参考文献
    [1] 李春伟. 基于神经网络与遗传算法的股票智能预测[硕士学位论文]. 西安: 西北工业大学, 2005.
    [2] Hochreiter S, Schmidhuber J. Long short-term memory. Neural Computation, 1997, 9(8): 1735–1780. [doi: 10.1162/neco.1997.9.8.1735
    [3] Chen K, Zhou Y, Dai FY. A LSTM-based method for stock returns prediction: A case study of China stock market. Proceedings of 2015 IEEE International Conference on Big Data. Santa Clara, CA, USA. 2015. 2823–2824.
    [4] Jia H J. Investigation into the effectiveness of long short term memory networks for stock price prediction. arXiv: 1603.07893, 2016.
    [5] 孙瑞奇. 基于LSTM神经网络的美股股指价格趋势预测模型的研究[硕士学位论文]. 北京: 首都经济贸易大学, 2016.
    [6] 邓凤欣, 王洪良. LSTM神经网络在股票价格趋势预测中的应用——基于美港股票市场个股数据的研究. 金融经济, 2018, (14): 96–98
    [7] 方红, 韩星煜, 徐涛. 改进型基于LSTM的股票预测方法. 安徽大学学报(自然科学版), 2019, 43(6): 36–42
    [8] 彭燕, 刘宇红, 张荣芬. 基于LSTM的股票价格预测建模与分析. 计算机工程与应用, 2019, 55(11): 209–212. [doi: 10.3778/j.issn.1002-8331.1811-0239
    [9] 陈卫华. 基于深度学习的上证综指波动率预测效果比较研究. 统计与信息论坛, 2018, 33(5): 99–106. [doi: 10.3969/j.issn.1007-3116.2018.05.015
    [10] 肖琪. 人工神经网络在股票预测中的应用研究[硕士学位论文]. 广州: 华南理工大学, 2017.
    [11] 谢琪, 程耕国, 徐旭. 基于神经网络集成学习股票预测模型的研究. 计算机工程与应用, 2019, 55(8): 238–243. [doi: 10.3778/j.issn.1002-8331.1807-0294
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

邓飞燕,岑少琪,钟凤琪,潘家辉.基于LSTM神经网络的短期价格趋势预测.计算机系统应用,2021,30(4):187-192

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-08-02
  • 最后修改日期:2020-08-28
  • 在线发布日期: 2021-03-31
文章二维码
您是第11201867位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号