摘要
股票预测研究一直是困扰投资者的难题,本文主要研究了LSTM神经网络模型对股票价格变化的预测。为此,本文选取了百度股票2005年8月5日至2022年4月5日的历史数据,共4195条进行研究。数据指标主要包括:交易数据开盘价格(open)、最高价格(high)、最低指数(low)、收盘价格(close)以及成分证券成交量(volume)。在数据标准化和划分训练集测试集后,本文首先选择收盘价格(close)单列进行LSTM神经网络预测,对模型进行参数的调整优化,得到损失函数指标MSE为0.2183,进而将5个指标均纳入模型进行预测,预测结果的MSE为0.0078,认为多特征模型拟合效果更好,能够得出较为准确的股价数据趋势。
作者
席小雅
秦荷斌
鲁志娟
XI Xiaoya;QIN Hebin;LU Zhijuan
出处
《全国流通经济》
2022年第16期102-105,共4页
China Circulation Economy
基金
西安欧亚学院2018年度校级重点课程建设项目“计量经济学”(2018KC022)。
