没有合适的资源?快使用搜索试试~ 我知道了~
基于正则化LSTM模型的股票指数预测_任君1
需积分: 0 3 下载量 5 浏览量
2022-08-03
22:44:54
上传
评论
收藏 1.15MB PDF 举报
温馨提示
试读
6页
第 35 卷第 4 期计算机应用与软件2018 年 4 月基于正则化 LSTM 模型的股票指数预测王建华王传美王建祥1( 武汉理工大学理学院湖北 武汉 4300
资源详情
资源评论
资源推荐
第
35
卷第
4
期 计算机应用与软件
Vol. 35 No. 4
2018
年
4
月
Computer Applications and Software Apr. 2018
基于正则化
LSTM
模型的股票指数预测
任 君
1
王建华
1,2
王传美
1
王建祥
2
1
(
武汉理工大学理学院 湖北 武汉
430000)
2
(
武汉谱数科技有限公司 湖北 武汉
430000)
收稿日期
: 2017 - 06 - 23。
教育部人文社科青年基金项目
( 14YJCZH143) ;
中央高校基本科研业务费专项
( WUT: 2016IA005) 。
任君
,
硕士生
,
主研领域
:
机器学习
,
量化投资
。
王建华
,
副教授
。
王传美
,
副教授
。
王建祥
,
博士
。
摘 要 针对金融时间序列预测问题
,
提出正则化长短期记忆神经网络
LSTM( Long Short-Term Memory neural
network)
模型
。LSTM
模型通过其独特的单元结构
,
能够深入挖掘出时间序列中的固有规律
;
采用正则化方法修
改
LSTM
模型的目标函数
,
优化网络结构
,
从而选出泛化能力较强的弹性网正则化
LSTM
模型
。
将该模型应用于
道琼斯指数预测
,
实验对比表明
,
该方法计算出的均方根误差最小
,
预测拟合程度最高
。
关键词
LSTM
模型 正则化方法 股票指数 预测
中图分类号
TP399
文献标识码
A DOI: 10. 3969 /j. issn. 1000-386x. 2018. 04. 008
STOCK INDEX FORECAST BASED ON REGULARIZED LSTM MODEL
Ren Jun
1
Wang Jianhua
1,2
Wang Chuanmei
1
Wang Jianxiang
2
1
( School of Science,Wuhan University of Technology,Wuhan 430000,Hubei,China)
2
( Wuhan Pool of Data Technology Co. ,Ltd. ,Wuhan 430000,Hubei,China)
Abstract Aiming at the problem of financial time series forecasting,a new model of Long Short-Term Memory neural
network ( LSTM) was proposed. The LSTM model could dig out the inherent laws in time series through its unique
element structure. The regularization method was used to modify the objective function of the LSTM model to optimize the
network structure
,so as to select the elasticized regularized LSTM model with generalized ability. The model was applied
to the Dow Jones index forecast,and the experimental results showed that the proposed method had the lowest root mean
square error and the highest prediction fitting degree.
Keywords LSTM model Regularized method Stock index Prediction
0
引 言
在复杂的股票市场环境中
,
神经网络算法在股票
预测中已经得到了广泛使用
,
这是由于其自身具有较
好的学习性能和高度的模拟能力
,
相对于传统的经济
计量学方法
,
神经网络在金融时间序列预测方面更具
优势
。
近年来
,
国内外学者对于在股票市场的神经网络
预测问题做了很多的研究工作
。Shapiro
[1]
将神经网
络
、
遗传算法和粗糙集组合成集成算法对股票市场价
格趋势进行综合预测
,
但是文中没有作对比验证
,
而且
模型中没有考虑到金融时间序列的依赖关系
,
预测结
果并不客观
; Ozbayoglu
等
[2]
通过对比人工神经网络和
贝叶斯方法在金融市场的预测性能
,
发现这两种算法
均有效
,
但是人工神经网络的预测效果更佳
; Bildirici
等
[3]
将
BP
神经网络与条件异方差模型相结合
,
对
1987
年到
2008
年的伊斯坦布尔市场的股票数据做训
练及预测
,
实证表明
,
这种结合模型的预测精度更加可
靠
,
但是面对海量数据
,
此模型提取特征比较困难
;
Hammda
等
[4]
采用多层
BP
神经网络对约旦股票市场
的指数价格的趋势做预测
,
研究发现多层
BP
神经网
络具有预测精度高
、
泛化能力强的优点
,
但文中没有解
决
BP
神经网络容易陷入局部最小的问题
;
孙晨等
[5]
通过布谷鸟算法优化
BP
神经网络
,
然后对金通灵
( SZ300091)
股票做预测
,
得出此方法预测精度较高
,
人亲卓玛
- 粉丝: 30
- 资源: 329
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0