LSTM算法的改进研究及其在股票指数预测中的应用
发布时间:2025-02-01 20:21
随着中国经济的不断发展,股票投资已经成为国内流行的一种投资理财方式。股票价格的变动不仅会直接影响到股票市场的稳定,而且还可以影响到经济和金融的健康发展。投资者往往需要通过预测股价走势以从中获益,同时政府和其他相关机构也需要及时有效地规范和管理市场。然而,作为一个高度复杂和动态的系统,股市受到许多因素的影响,包括商业趋势等内部因素和宏观经济趋势等外部因素。股票价格变动的复杂性和不可预测性是由于股票市场的波动性、非线性和低信号噪声比等因素造成的。股票指数可以及时、全面地反映股票市场的变化,从中可以体现出股票价格的变化,因此需要对股指进行有效预测。为了对金融股指进行有效预测,本文提出了一种基于贝叶斯优化的自适应融合股指预测模型:该模型是经验模态分解(EMD)和长短期记忆(LSTM)模型的组合预测模型和单一LSTM模型构成的集成模型,利用股指波动性判断适用情况从而自适应选取最优模型,并且EMD-LSTM和LSTM模型的超参数利用贝叶斯优化算法自动优化。本文首先对股指进行了统计性描述,发现三个股指的波动具有明显区别,就这一特征对数据进行建模,对比本文提出的模型与传统时间序列模型及机器学习模型共6种...
【文章页数】:54 页
【学位级别】:硕士
【部分图文】:
本文编号:4029582
【文章页数】:54 页
【学位级别】:硕士
【部分图文】:
图2.1RNN网络结构图
?又荒?轻微影响系统的性能,不会损坏整个网络,保证了高鲁棒性和容错性。循环神经网络(RecurrentNeuralNetworks,RNN),是由Hopfield于1983年首次引入。RNN是一个强大的人工神经网络,它使用历史时间序列数据来预测特定时间长度的未来数据。与前馈神经网....
图2.2LSTM细胞结构图
第2章相关理论与方法12两个方程规定了简单的递归神经网络中前向传递的每个时间步的所有必要计算,如式(2.12)和(2.13)。RNN一次处理一个输入序列的一个元素,在其隐藏单元中保持一个“状态向量”,该单元隐式包含关于序列中所有过去元素的历史信息。通过延迟器和反馈连接,RNN可以....
图3.1EMD分解原理
第3章改进的算法16图3.1EMD分解原理EMD分解是自适应的分解工具,它是一种完全基于信号本身特征的分解。它适用于线性和非线性序列,可以直接分析,无需事先分析和研究未知信号,所以EMD分解更加适用于金融时序序列[57-58]。3.3EMD-LSTM模型在以上的讨论基础上,采用了....
图3.2EMD-LSTM模型结构图
第3章改进的算法17图3.2EMD-LSTM模型结构图从图3.2可以看出EMD-LSTM模型结构:首先,将金融股指日收盘价数据进行EMD分解,得到多个IMF序列和一个残差序列,再分别将各个序列作为LSTM模型的输入进而训练LSTM模型,最后将各分量经过LSTM模型的预测结果加和汇....
本文编号:4029582
本文链接:https://www.wllwen.com/jingjifazhanlunwen/4029582.html
上一篇:改革开放以来政府与市场关系研究主题的理论脉络
下一篇:没有了
下一篇:没有了