基于iTransformer模型的金融时间序列预测

扫码查看

原文链接

万方数据
维普

中文摘要：金融时间序列的准确预测是经济政策制定者和投资者密切关注的焦点。本文选用工商银行作为金融时间序列的代表，用一种新颖的神经网络模型iTransformer对工商银行的股票价格进行预测。同时，将统计模型ARIMA、神经网络模型LSTM和Transformer作为对照组，比较了不同模型在不同时间范围内预测的准确性。实证结果显示，iTransformer确实适用于股票价格的预测，在短期、中期和长期这三种不同的预测区间内，其精度普遍优于对照组的预测模型。

作者：

王钰涵、梁志勇

展开 >

作者单位：

东华大学理学院,上海 201620

关键词：

金融时间序列预测 iTransformer LSTM Transformer ARIMA

出版年：

2024

产业创新研究

开益国际咨询研究中心（天津）

产业创新研究

CHSSCD

影响因子：0.193

ISSN：2096-4714

年,卷(期)：2024.(15)