结合深度学习和分解算法的股票价格预测研究

摘要：

针对股票价格预测问题,实现对非平稳、非线性股票价格序列的预测,提出一种结合深度学习和分解算法的股票价格预测模型.该模型引入自适应噪声的完整集成经验模态分解(CEEMDAN)算法提取股票价格时间序列在时间尺度上的特征,利用注意力机制捕获输入特征参数的权重并结合门控循环单元(GRU)网络进行股票价格预测.实验对苹果、贵州茅台等国内外四家公司的股票价格和上证指数进行预测,结果表明与RNN、LSTM等模型相比,所提模型能有效减少预测误差,提高模型拟合能力.

关键词：股票预测、注意力机制、门控循环单元(GRU)神经网络、信号分解算法

所属期刊栏目：57

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金青年项目71901160

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：56-64