基于HP-LSTM模型的股指价格预测方法

摘要：

股指价格时间序列受到长期和短期不同因素的影响,且具有非平稳、非线性等特点,传统计量模型的预测精度较低.为提高预测精度,一些研究将人工神经网络模型用于金融时间序列预测,取得了比传统计量模型更好的效果.提出了一种融合了HP滤波(Hodrick-Prescott Filter)和LSTM神经网络模型的股指价格预测模型,模型使用HP滤波将股指价格时间序列分解为长期趋势和短期波动,利用LSTM神经网络模型分别学习长期趋势和短期波动序列的特征,并分别进行长期趋势和短期波动预测,将预测结果融合得出股指价格预测结果.实验结果表明,提出的HP-LSTM混合模型不仅可以有效捕捉到股指价格时间序列的长期趋势和短期波动的变化规律,提高了股指价格预测精度,并且长期趋势和短期波动都具有相应的经济含义,提高了模型的可解释性.

关键词：股指价格;人工神经网络;长短期人工神经网络(LSTM);HP滤波器;预测

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金;河南省高等学校哲学社会科学基础研究重大项目;河南大学哲学社会科学重大项目培育计划

在线出版日期：2021-12-22（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：296-304