期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种基于改进经验模态分解与A-LSTM混合神经网络的股价预测方法
1
作者 苏兆辉 尚领 +1 位作者 刘志中 皇浩 《南京大学学报(自然科学版)》 北大核心 2025年第4期613-623,共11页
由于股价序列存在非线性、多噪声的特点,股票价格预测一直是一项具有挑战性的任务,许多研究采用分解算法来提高预测精度,但仅仅关注了克服股价非线性的问题,没有考虑其他价格因素.为了解决上述问题,提出一种基于改进经验模态分解与A-LST... 由于股价序列存在非线性、多噪声的特点,股票价格预测一直是一项具有挑战性的任务,许多研究采用分解算法来提高预测精度,但仅仅关注了克服股价非线性的问题,没有考虑其他价格因素.为了解决上述问题,提出一种基于改进经验模态分解与A-LSTM(Long Short-Term Memory)混合神经网络的股价预测方法,在引入多个数据指标的基础上,结合互补集合经验模态分解算法与注意力增强的LSTM来预测股价.首先,利用互补集合经验模态分解方法来分解股票原始收盘价,得到多个本征模态函数(Intrinsic Mode Functions,IMFs)和一个趋势项,可以在降低股价非线性的同时,提取IMF的多尺度特征;其次,将得到的IMF、趋势项及最高价、最低价和收盘价一同输入注意力增强的LSTM,学习多个股票影响因子并挖掘其特征信息;最后,利用注意力增强的LSTM来学习特征中的长期依赖关系和动态调整输入特征的权重,突出关键信息,输出预测结果 .在两个股市的四只股票数据集上的实验结果显示,该方法的效果优于基准模型,具有良好的准确性与稳定性,可以为金融市场分析和投资决策提供一定的支持. 展开更多
关键词 互补集合经验模态分解 多特征提取 LSTM 注意力机制 股价预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部