基于深度学习的LSTM模型股价预测应用研究  

作　　者：张喜凤 

机构地区：[1]首都经济贸易大学管理工程学院,北京100070

出　　处：《科技与创新》2024年第23期23-26,共4页Science and Technology & Innovation

摘　　要：传统的时间序列模型,如RNN(循环神经网络)在预测非平稳、非线性变化的股票数据时存在数据损失、无法长期记忆等问题。LSTM(长短期记忆神经网络)模型作为一种RNN模型的变体,不仅可以处理非线性数据,还对时间序列以及重要信息具有记忆性。介绍了LSTM和RNN神经网络模型的基本概念及方法,并选取股票市场的真实数据,通过建模对比,预测股票的价格,并对模型进行性能评估与分析,证明LSTM模型在股票价格预测领域的有效性。

关 键 词：LSTM模型 RNN模型 股票价格预测 性能比较 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]