股价预测——基于LSTM的金融时序数据建模与决策  

作　　者：朱文超 

机构地区：[1]首都经济贸易大学金融学院,北京100000

出　　处：《现代营销（下）》2023年第3期39-41,共3页Marketing Management Review

摘　　要：股票市场是一个多变的非线性混合系统,且股票之间存在复杂的隐含关系。对于股价预测,目前主要有两类分析方法:基本面分析和技术面分析。本文随机选取一只股票,通过SVM、RNN、LSTM、GRU四个模型,利用金融时序数据对收盘价进行预测。其中仅运用SVM线性模型进行股票涨跌预测与加入径向基函数的模型相比,加入径向基函数的SVM模型效果更佳。由于除研究股票涨跌外,还希望对股票收盘价进行数值预测,故另外选取当前使用比较多的模型进行对比分析。从最终的拟合效果来看,整体趋势仍存在滞后性。在现实情况下,股票预测不能单纯依靠历史数据信息,还应结合当下市场及社会宏观情况,对股票进行主观分析,而只是利用历史数据进行股价预测会存在一定偏差。

关 键 词：SVM RNN LSTM GRU模型 股票预测 

分 类 号：F830.91[经济管理—金融学]