基于XGB-LSTM组合模型的白酒股票价格预测研究

摘要：

股票数据具有非平稳、非线性的特点,传统模型对其预测的拟合度较低.选取2017～2022年的4支白酒股票作为研究对象,提出极限梯度提升机和长短期记忆网络组合的股票价格预测模型.首先对各支股票的原始成交量序列进行数据分析和特征构建;其次,利用XGBoost算法进行二次特征构建;最后,建立LSTM股票价格预测模型,并在4支股票上进行实例验证.实验结果表明:相比于传统预测模型,构建的XGB-LSTM模型对茅台、洋河、汾酒三支股票价格的预测损失最小,拟合度最高,证明了XGB-LSTM在股票价格预测中的有效性.

关键词：股票价格、特征构建、XGBoost、LSTM

所属期刊栏目：6

分类号：TP391.77(计算技术、计算机技术)

资助基金：云南财经大学本科生科研训练计划项目SRTP

在线出版日期：2022-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：64-68