基于混合深度学习的多因素黄金期货价格预测  

作　　者：曹振芳[1] 

机构地区：[1]太原师范学院信息化建设与管理中心,山西晋中030619

出　　处：《电脑编程技巧与维护》2024年第8期118-121,125,共5页Computer Programming Skills & Maintenance

基　　金：2022年山西省高等学校科技创新项目(2022L402)。

摘　　要：为提高黄金期货价格预测的准确性,提出了一种基于混合深度学习的多因素黄金期货价格预测模型。该模型结合了长短期记忆网络(LSTM)、支持向量回归(SVR)和随机森林(RF) 3种机器学习算法的优势,能够有效捕捉黄金期货价格的非线性特征和时间序列依赖关系。实验结果表明,LSTM-SVR-RF模型在不同时间步长下均表现出优于单一深度学习模型的预测精度,在平均绝对百分比误差(MAPE)和均方根误差(RMSE)等评价指标上均取得了显著改进。该混合深度学习模型克服了单一模型的局限性,并结合了汇率、股市指数等影响因素,从而显著提高了预测精度,为政策制定者和投资者提供了可靠的决策支持。

关 键 词：价格预测 深度学习 长短期记忆网络 支持向量回归 随机森林 

分 类 号：F832.5[经济管理—金融学] F832.54[自动化与计算机技术—控制理论与控制工程] TP18[自动化与计算机技术—控制科学与工程]