基于深度学习及在线算法的投资者交易行为动态预测研究  

作　　者：文竹 赵伟 

机构地区：[1]内蒙古工业大学经济管理学院,内蒙古呼和浩特010000

出　　处：《时代人物》2025年第7期0067-0070,共4页Times Figure

摘　　要：“换手率”数据能够反馈重要的金融市场信息以及投资者行为,本文利用简易神经网络LSTM对A股交易数据进行预测和分析,结果表明简易神经网络预测结果完全无法拟合真实交易数据。为应对市场动态特征,本文将在线学习算法OGD纳入神经网络模型,构建OGD-LSTM,预测结果成功拟合,后利用集成梯度IG计算OGD-LSTM模型的特征重要度,所得研究结论及建议如下:A股投资者行为存在可学习的时间序列特征;A股投资者行为存在非规律性因素导致的动态变化,在线学习算法能够及时学习市场变化,为监管者提供有效预测。

关 键 词：投资者行为 LSTM在线学习 换手率 

分 类 号：C[社会学]