基于优化VMD再分解的LSTM下的股价预测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：研究设计了一种股价预测混合模型,以应对股价受多种因素影响的挑战.模型结合了完备集合经验模态分解(CEEMDAN)与经粒子群优化(PSO)的变分模态分解(VMD)技术,并使用长短期记忆网络(LSTM)对股价进行预测,旨在处理股票价格中的噪声并提升预测精度.通过与LSTM模型、循环神经网络(RNN)模型、卷积神经网络(CNN)模型和支持向量回归(SVR)模型的对比,实验结果表明,所设计的模型相较于其他模型表现出更高的鲁棒性和准确性,对于金融从业者在制定投资策略时具有指导意义,同时有助于深度学习在股价预测领域的应用,具备实际应用价值.

作者：

王艺涵、路翀、龙洁、雷一鸣

展开 >

作者单位：

新疆财经大学信息管理学院新疆乌鲁木齐 830000

关键词：

股价预测混合模型粒子群优化算法完备集合经验模态分解长短期记忆网络

基金：

国家自然科学基金

项目编号：

62166039

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.07.001

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(7)

参考文献量2