發(fā)布時間：2022-08-11 14:02

　　預(yù)測時間序列數(shù)據(jù)是經(jīng)濟學(xué)、商業(yè)和金融學(xué)中的一個重要主題。ARIMA模型在預(yù)測下一個時間序列滯后的精度和準確性方面表現(xiàn)出色。隨著計算機計算能力的發(fā)展,產(chǎn)生了基于深度學(xué)習(xí)的新算法來預(yù)測時間序列數(shù)據(jù),如長短期記憶（LSTM）。通過實證研究,基于深度學(xué)習(xí)的算法（如LSTM）優(yōu)于傳統(tǒng)算法,與ARIMA相比,LSTM獲得的錯誤率平均降低在84%～87%之間,表明了LSTM對ARIMA的優(yōu)越性。 

【文章頁數(shù)】：2 頁

【文章目錄】：
1 研究背景
2 時間序列預(yù)測
3 模型背景
4 長短期記憶（LSTM)
5 ARIMA與LSTM比較
    5.1 數(shù)據(jù)來源
    5.2 結(jié)果展示
6 結(jié)果分析
7 結(jié)束語


【參考文獻】：
期刊論文
[1]LSTM模型在中國A股市場的應(yīng)用[J]. 張蜀林,趙雄飛.  全國流通經(jīng)濟. 2018(35)
[2]ARIMA模型在我國GDP預(yù)測中的應(yīng)用[J]. 于連敏.  時代金融. 2017(21)
[3]基于ARIMA模型的金融品種走勢預(yù)測技術(shù)[J]. 王成國,鄧仲元,陳海文,蔡志平.  計算機技術(shù)與發(fā)展. 2015(07)
[4]基于ARIMA模型的金融專業(yè)人才需求預(yù)測[J]. 陳瑤,余信豐,黃宏.  商場現(xiàn)代化. 2009(14)
[5]中國的通貨膨脹預(yù)測:基于ARIMA模型的實證分析[J]. 肖曼君,夏榮堯.  上海金融. 2008(08)

碩士論文
[1]基于深度學(xué)習(xí)的金融市場波動率預(yù)測和風(fēng)險值計算[D]. 于水玲.長春理工大學(xué) 2018



本文編號：3674793