基于XGBoost与LSTM的互联网金融指数预测  

作　　者：罗郁青 

机构地区：[1]河南大学经济学院

出　　处：《区域治理》2023年第10期216-219,共4页REGIONAL GOVENANCE

摘　　要：随着我国互联网金融规模的稳步增长,对互联网金融指数进行预测具有了必要性。为了对互联网指数进行预测,本文选择了互联网金融指数的开盘价、收盘价、最低价、最高价和成交量数据,将 XGBoost模型与 LSTM 神经网络模型分别用于对相同数据集下的收盘价的预测。结果表明,LSTM 神经网络模型在互联网金融指数上的预测准确率更高,可以获得更好的预测效果,这对于投资者选择合适的模型来预测该指数的收盘价具有很大的借鉴意义,有助于投资者做出正确的投资决策。

关 键 词：互联网金融指数 LSTM XGBoost 股票指数预测 

分 类 号：F832[经济管理—金融学]