-
题名基于板块效应的深度学习股价走势预测方法
被引量：5
- 1
-
-
作者
李庆涛
林培光
王基厚
周佳倩
张燕
蹇木伟
-
机构
山东财经大学计算机科学与技术学院
-
出处
《南京师范大学学报（工程技术版）》
CAS
2022年第1期30-38,共9页
-
基金
国家自然科学基金项目(61802230)。
-
文摘
股票价格预测作为金融预测领域中一项重要的研究方向,准确预测股票价格的涨跌可以帮助投资者盈利或及时止损.经研究发现,某些因素(如政策、社会突发事件等)会对同板块下的多只股票价格产生影响,导致同板块的多只股票在某个时间段内出现相似的走势,即板块效应.因此,同板块下多只股票的价格走势对于股票预测具有参考作用.针对这一现象,提出了一种基于板块效应的深度学习股价走势预测方法.首先,使用皮尔森(Pearson)相关系数和XGBoost算法对同板块下多只股票的收盘价进行分析,以筛选出与预测股票相关性高的多只股票,并使用自编码器对这些股票的收盘价进行降维,以提取股票的价格走势;其次,构建了一个基于卷积神经网络(convolutional neural networks, CNN)与长短期记忆(long short-term memory, LSTM)网络的混合深度学习预测模型,使用一维卷积神经网络提取输入数据的特征,使用LSTM网络对股票价格进行预测.该模型使用银行、医药、酒业、娱乐传媒4个板块的股票作为实验数据集.为了提高模型的预测效果,通过随机搜索对LSTM网络的神经元个数进行简单的分析,以选择较优的神经元个数.最后,通过实验分析,基于同板块数据集的深度学习预测模型具有良好的预测效果.
-
关键词
同板块股票特征
XGBoost
股票预测
LSTM
深度学习
-
Keywords
characteristics of the same industry stocks
XGBoost
stock prediction
LSTM
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
