改进多层LSTM模型的金融时序数据预测  

作　　者：郭元凯 李辉东[1] 许媛[1] 

机构地区：[1]安康职业技术学院,陕西安康725000

出　　处：《中文科技期刊数据库（全文版）经济管理》2023年第2期96-98,共3页

摘　　要：金融时间序列数据作为时间序列数据中最为重要的一种数据,其本身具有的价值是不可估量的,如何快速且高效的从金融数据中获取有用的信息,被众多学者所痴迷。为解决这一问题,本文采用网格搜索算法与堆叠式LSTM网络模型相结合的形势来进行股票预测,通过与文献中的LSTM模型、RNN模型以及BiLSTM进行对比,不难发现本文提出的LSTM模型在股票数据预测中具有一定的优势。以“平安银行”为例,决定系数R2比RNN模型提高约3%,比LSTM-2模型提高约14%,比Bi LSTM模型提高约8%。GS-SMLSTM与SMLSTM模型、LSTM-1想比具有明显的预测优势。

关 键 词：LSTM 网格搜索 RNN 股价预测 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]