摘要
股指是投资者用来规避股市风险的工具,为了对金融股指进行有效预测,采用了一种基于经验模态分解(EMD)和长短期记忆网络(LSTM)模型的组合预测方法,对股指进行统计性描述,发现中国3个股指的波动具有明显区别,就这一特征对数据进行建模.建立传统时间序列模型及机器学习模型共7种模型,经对比研究发现:EMD-LSTM模型在预测沪深300股指收盘价和深证成指收盘价上具有较好的效果,预测上证指数收盘价时LSTM模型具有较好的效果,从而分析出数据波动大小对于模型的预测效果有一定的影响,可以根据数据波动性来选择适合的股指预测模型.
基金项目
国家自然科学基金(61503150)
吉林省自然科学基金(20200201157JC)
吉林省教育厅科技项目(JJKH20191295KJ)