为提高股票价格预测精度,提出一种基于MDT-BiLSTM的股价预测模型.首先,使用多向延迟嵌入的张量处理技术MDT(Mutiway-Delay-Embedding Technology,MDT),对以 日频数据的股票因子向量进行重构,将时间序列展现为低秩块汉克尔张量,作为BiLSTM模型的输入;其次,利用双向长短期记忆神经网络提取双向序列特征;最后,通过LSTM的长期依赖性完成对股票价格的预测.结果表明:MDT-BiLSTM模型对六类股价的走势都能有不错的预判,体现了其在股价预测方面的泛化能力,并在误差控制、准确性方面都有提高,可为今后投资者预测股价提供一种可靠工具.
NETL
NSTL
万方数据
维普
