期刊专题

LSTM神经网络在股票价格预测中的应用

引用
针对循环神经网络RNN预测方法在深层网络反向传导中易产生梯度爆炸、消失现象,研究了一种基于变长Batch策略的长短时记忆(LSTM)循环神经网络股票价格预测方法.首先,以股票历史时间序列数据为研究对象,构造不同天数长度的时间序列,作为网络的输入;然后训练过程中,加入Early-stopping技术,防止学习的过拟合;最后,用状态参数传递的方式利用变长Batch在测试集上对未来股票收盘价进行预测.通过与传统机器学习回归模型性能的比较,验证了基于变长Batch的LSTM预测模型及参数优选策略在股票价格分析中具有较好的泛化能力和较低的预测误差.

长短时记忆模型、循环神经网络、深度学习、时间序列、过拟合

16

TP389.1(计算技术、计算机技术)

安徽省高校自然基金编号:KJ2020A0012

2020-11-20(万方平台首次上网日期,不代表论文的发表时间)

共5页

39-43

暂无封面信息
查看本期封面目录

电脑知识与技术

1009-3044

34-1205/TP

16

2020,16(28)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn