期貨市場在金融領(lǐng)域具有重要的地位,而期貨價格走勢的預測對投資者和決策都十分關(guān)鍵。目前,期貨價格走勢預測模型使用的方法較為單一,且預測模型的精度不夠理想。文章以農(nóng)產(chǎn)品期貨價格預測為研究對象,圍繞數(shù)據(jù)預處理、模型構(gòu)建、集成決策等展開相關(guān)工作,針對農(nóng)產(chǎn)品期貨價格具有的典型時序性特征以及其非線性、非平穩(wěn)等特點,提出一種基于LSTM模型的改進LSTM預測方法。該改進方法引入EEMD方法,先對原始期貨價格序列進行分解,再對分解所得的每個子序列進行建模、預測、疊加子序列預測結(jié)果以得到最后的預測結(jié)果。實驗結(jié)果表明,該改進方法與LSTM,SVR等傳統(tǒng)的機器學習預測模型相比,精度明顯提升。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 研究方法
    1.1 RNN與LSTM
    1.2 EMD與EEMD
    1.3 改進的LSTM方法
2 實驗
    2.1 數(shù)據(jù)說明與預處理
    2.2 評價標準
    2.3 改進的LSTM模型構(gòu)建
    2.4 參數(shù)選擇
    2.5 模型比較
3 結(jié)語



本文編號：3791081