期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于CNN-LSTM的股票指数预测模型 被引量:24
1
作者 耿晶晶 刘玉敏 +1 位作者 李洋 赵哲耘 《统计与决策》 CSSCI 北大核心 2021年第5期134-138,共5页
股票价格数据具有高频性、非线性和长记忆性等特点,且投资者行为是影响股票价格的重要因素,文章引入成交量加权平均价(VWAP)指标刻画投资者行为,并构建了基于卷积神经网络(CNN)与长短期记忆网络(LSTM)的混合预测模型。首先,通过CNN分类... 股票价格数据具有高频性、非线性和长记忆性等特点,且投资者行为是影响股票价格的重要因素,文章引入成交量加权平均价(VWAP)指标刻画投资者行为,并构建了基于卷积神经网络(CNN)与长短期记忆网络(LSTM)的混合预测模型。首先,通过CNN分类模型判定股票指数的波动方向;其次,分别构建LSTM模型对指数上升、下降的具体值进行预测;通过田口正交设计方法对CNN-LSTM模型进行参数优化。静态预测和滚动预测结果表明,CNN-LSTM模型在预测方面有较高的预测准确率和普适性,对于投资者有着较高的参考价值。 展开更多
关键词 股票指数预测 量加权平均价 长短期记忆网络 卷积神经网络 田口正交设计
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部