基于LSTM的股票价格预测分析

摘要：

本文主要对股票预测的方式进行改进,使预测结果更接近真实数据.以往的股票价格预测研究大多简单地将股票价格作为序列数据,通过模型进行训练预测,或者只是通过分析新闻文本、股民评论的情感倾向预测股票价格的涨跌,这都不能全面地对股票价格进行考量.本文通过参考影响股票实际价格的多种因素,对股票价格预测结果展开研究.本研究提出新的模型M,该模型结合了时间序列预测以及文本情感分析两种方法,采用的均为LSTM的拓展模型,分别是DA-RNN、BiL?STM-Attention.一方面,通过分析对比XGBoost、LSTM与DA-RNN的实验结果验证了DA-RNN在时序预测实验中的有效性;另一方面,采用BiLSTM-Attention模型作为调整股票预测值的主要方法,使预测结果更加具备可解释性.本研究通过改进的股票价格预测模型M来进行股票价格的预测.实验结果表明,在海康威视股票数据集中,当文本情感倾向的权重值设置为0.01时,MAE、RMSE值均达到最小,即预测效果最好.

关键词：股票价格预测、时间序列、文本情感分析、LSTM

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：123-128