基于ARIMA-LSTM模型的金融时间序列预测  

作　　者：次必聪 张品一 

机构地区：[1]北京信息科技大学经济管理学院,北京100192

出　　处：《统计与决策》2022年第11期145-149,共5页Statistics & Decision

基　　金：国家自然科学基金青年项目(61703010);北京市社会科学基金资助项目(21JJB006)。

摘　　要：对金融时间序列的精准预测是经济政策制定者以及投资者关注的重点。文章选用道琼斯工业指数、上海证券综合指数以及伦敦金价格指数作为金融时间序列的代表,以非线性组合的方式,构造了一种新的ARIMA-LSTM组合模型,对三种金融时间序列进行预测,并将ARIMA模型、LSTM模型和线性组合模型作为对照模型,比较不同模型预测的准确性。实证结果表明,所构建的非线性组合预测模型较对照组的单一预测模型和线性组合预测模型均存在普遍的优势。在短期、中期和长期三个预测区间内,非线性组合模型相较于对照组模型的优势随着预测区间的变长而扩大。

关 键 词：金融时间序列预测 LSTM神经网络 ARIMA模型 非线性组合 

分 类 号：F831.5[经济管理—金融学] TP183[自动化与计算机技术—控制理论与控制工程]