首页|股价预测——基于LSTM的金融时序数据建模与决策

股价预测——基于LSTM的金融时序数据建模与决策

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
股票市场是一个多变的非线性混合系统，且股票之间存在复杂的隐含关系。对于股价预测，目前主要有两类分析方法:基本面分析和技术面分析。本文随机选取一只股票，通过SVM、RNN、LSTM、GRU四个模型，利用金融时序数据对收盘价进行预测。其中仅运用SVM线性模型进行股票涨跌预测与加入径向基函数的模型相比，加入径向基函数的SVM模型效果更佳。由于除研究股票涨跌外，还希望对股票收盘价进行数值预测，故另外选取当前使用比较多的模型进行对比分析。从最终的拟合效果来看，整体趋势仍存在滞后性。在现实情况下，股票预测不能单纯依靠历史数据信息，还应结合当下市场及社会宏观情况，对股票进行主观分析，而只是利用历史数据进行股价预测会存在一定偏差。

朱文超

展开 >

首都经济贸易大学金融学院 北京 100000

SVM RNN LSTM GRU模型 股票预测

2023

10.19932/j.cnki.22-1256/F.2023.03.039

现代营销
吉林省期刊协会

现代营销

影响因子：0.282
ISSN：1009-2994
年,卷(期)：2023.(9)
  • 4