股票市場(chǎng)作為一個(gè)復(fù)雜非線性系統(tǒng),受到多種信息源影響,其趨勢(shì)調(diào)整不是按照均勻時(shí)間過(guò)程變動(dòng)。針對(duì)股票市場(chǎng)特點(diǎn),結(jié)合LSTM(Long Short-Term Memory)神經(jīng)網(wǎng)絡(luò)擬合復(fù)雜時(shí)序數(shù)據(jù)的特性,使用來(lái)自新聞平臺(tái)、社交平臺(tái)、歷史數(shù)據(jù)等不同層級(jí)來(lái)源的信息,提出一種基于LSTM的多特征股票趨勢(shì)預(yù)測(cè)模型。首先使用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)股票基礎(chǔ)數(shù)據(jù)降噪,獲取股價(jià)變動(dòng)規(guī)律;將金融文本數(shù)據(jù)推送到引入注意力機(jī)制與自動(dòng)編碼器的改進(jìn)LSTM網(wǎng)絡(luò)模型中訓(xùn)練與測(cè)試,從而反映投資者心理;再經(jīng)LSTM神經(jīng)網(wǎng)絡(luò)對(duì)股票趨勢(shì)進(jìn)行組合預(yù)測(cè)。結(jié)果表明,時(shí)序型金融文本特征的加入能有效提升模型的預(yù)測(cè)表現(xiàn)。

【文章頁(yè)數(shù)】：11 頁(yè)

【文章目錄】：
一、引言
二、LSTM的結(jié)構(gòu)和原理介紹
三、基于LSTM的多特征股票趨勢(shì)預(yù)測(cè)模型
    (一)股票數(shù)據(jù)特征構(gòu)建
    (二)金融文本特征構(gòu)建
    (三)文本處理模型
    (四)基于LSTM的多特征股票趨勢(shì)預(yù)測(cè)建模
四、實(shí)驗(yàn)及結(jié)果分析
    (一)實(shí)驗(yàn)數(shù)據(jù)
    (二)股票信號(hào)分解重構(gòu)
    (三) LSTM模型超參數(shù)設(shè)置及訓(xùn)練
    (四)實(shí)驗(yàn)結(jié)果分析
五、總結(jié)與展望



本文編號(hào)：4005894