基于组合神经网络模型的金融时序预测

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：金融市场中的股票价格具有波动性和复杂性,而如今传统模型很难有效进行股价预测.选取上证指数作为数据集,提出了BP-LSTM模型和ARIMA-LSTM模型这两种混合模型,BP-LSTM模型利用BP模型提取数据中的非时序信息,再用LSTM模型提取数据中的时序信息的优点.ARIMA-LSTM模型中ARIMA模型可以利用数据中的线性信息,而LSTM模型适合提取数据中的非线性信息.为了证明模型的可行性,建立了LSTM模型,BP模型和ARIMA模型来进行对比,得出ARIMA-LSTM的预测效果好过其他的模型,BP-LSTM预测股价效果不好,但更适合做分类来预测股票涨跌.

外文标题：Financial Time Series Prediction Based on Combined Neural Network Model

作者：

卜钰家

展开 >

作者单位：

澳门大学协同创新研究院,澳门 999078

关键词：

组合神经网络模型 LSTM模型 BP模型 ARIMA模型股价预测

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.22.006