Stock Prediction Model Based on Neural Network 作者: 乔若羽[1]
作者机构: [1]中国科学技术大学统计与金融系,安徽合肥230026
出版物刊名: 运筹与管理
页码: 132-140页
主题词: 股票预测;深度学习;神经网络;注意力机制 摘要:针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism)给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基 于神经网络的股票预测模型给出具体的优化方向。