摘要
研究居民存款变化发展趋势,对指导银行业的经营和发展,为政府部门制定产业发展战略和宏观调控政策,促进国民经济持续健康发展等具有重要的意义。LSTM解决了RNN对长距离数据依赖的问题,对较长的历史信息具有记忆功能,并进行选择性利用,使学习训练时间缩短,且排除了样本中畸点数据的干扰,具有较高的预测精度。运用LSTM模型对武汉市居民存款余额进行了预测,模型的平均拟合误差仅为1.7635%,比BP神经网络的2.5890%减小了30.7262%,由模型得到了2019-2013年武汉市居民存款余额预测值。
出处
《金融理论与教学》
2020年第3期14-18,共5页
Finance Theory and Teaching
基金
湖北省自然科学基金项目(2017CFB164)。
