基于深度学习的股票趋势预测算法

摘要：

针对股票趋势预测难的问题,提出一种利用CNN和LSTM进行特征提取,并结合注意力机制和对抗训练的股票趋势预测算法——AACL(Adversarial Attentive CNN-LSTM)算法.该算法利用CNN提取股票的整体趋势信息,LSTM提取股票的短期波动信息,并通过注意力机制将多个股票联系起来,捕捉股票之间的涨跌关系.算法还引入了对抗训练,通过对数据进行干扰,提高算法的鲁棒性.为了验证算法的有效性,在KDD17、ACL18和China50这3个数据集上进行实验,并与现有的算法进行比较,实验结果表明本文提出的算法可以获得最优的预测效果.

关键词：神经网络、注意力机制、对抗训练、股票趋势预测

分类号：TP181(自动化基础理论)

在线出版日期：2023-03-06（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：69-73,107