测性能.最后,利用构建好的BO-CNN-LSTM模型预测具有代表性的沪深300 指数收盘价.结果表明,相比于基准模型,BO-CNN-LSTM模型具有更好的预测 性能.同时,与GA、PSO算法相比,BO算法在神经网络超参数的搜索上效率 更高,模型训练时间更短,且模型的预测效果相近,表明本文构建的BO-CNN-L ...
博士，硕士生导师，研究方向：数理统计与数据挖掘。基于注意力机制的CNN-LSTM 短期股票价格预测 沈山山 李秋敏（成都信息工程大学，四川成都 610000）设计研究与应用 文章以沪深300指数为例，首先在卷积神经网络(CNN)中，采用了一维卷积方法来对数据序列进行卷积操作，以提取其特征分量。然后，利用长短期记忆网 ...
现有基于LSTM的股票预测模型主要通过分析文本信息的情感极性特征,将媒体新闻的情感极性与历史交易数据作为股票预测算法的输入,需要考虑以下三个方面的问题。首先,财经新闻中的情感极性并不明显,大多是对客观事件的总结和报道,使得财经新闻的情感极性分析准确率并不高,影响股票走势的预测准确率[12]。其次,如何将非结构化...
股价预测为了更好地对股票价格进行预测,进而为股民提供合理化的建议,提出了一种在结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的基础上引入注意力机制的股票预测混合模型(LSTM-CNN-CBAM),该模型采用的是端到端的网络结构,使用LSTM来提取数据中的时序特征,利用CNN挖掘数据中的深层特征,通过在网络结构中加入注意力...
1.一种基于LSTM-CNN深度学习模型的股票趋势预测方法,其特征在于,所述方法包括以下步骤:步骤1:数据预处理选择股票市场的股票数据进行分析与验证,整体数据集分为训练集和测试集;步骤1.1:特征选择和归一化所述特征为交易数据和技术指标,交易数据需要进行归一化处理;技术指标是由交易数据计算获得,在计算过程中已经包含归一...
cnn-lstm神经网络通过cnn进行数据的空间结构特征提取,然后通过使用lstm对输入的时间序列特征进行特征提取,最后有效地预测短时间内的当日股票最高价。实验证明,cnn-lstm神经网络模型可以成功地应用于股票价格变动的研究。 关键词:卷积神经网络(cnn);长短期记忆神经网络(lstm);股票价格变动 中图分类号:f832.5文献标志码:...
基于CNN-LSTM的股票指数预测模型-《统计与决策》《统计与决策》杂志创刊于1985年,现由长江出版传媒股份有限公司主管,面向全国公开发行的中国最具国际影响力学术期刊、世界学术影响力Q2期刊、全国中文核心期刊、中文社会科学引文索引(CSSCI)来源期刊、中国科技核心期刊、
基于cnn-lstm神经网络研究股票价格的变动
将数据按照各算法对应的格式分别输入到长短时记忆网络LSTM、随机森林和卷积神经网络作为对比试验,正确率将作为各模型预测结果的评价指标。 实验结果为:LSTM、随机森林、卷积神经网络正确率为77%、87%、93%。 实验结果表明,本实验预测的正确率是要高于LSTM和随机森林的,说明本实验在预测股票趋势的应用中具有一定的可行...
4.2.2基于CNN-LSTM模型筛选子基金33 4.2.3资产配置及模型回撤评价43 第5章方案合理性检验以及实施途径49 5.1方案的合理性检验49 5.1.1本文构建FOF组合与当前市场指数对比49 5.1.2模型预测效果比较49 5.2方案的风险提示51 5.3方案的实施途径51 第6章结论52 6.1主要结论52 6.2政策建议53 6.3研究局限性53 参考文献...