Indexed by：
Abstract：
如何准确地进行股票预测一直是量化金融领域的重要问题.长短期记忆细胞神经网络(LSTM)的出现较好地解决了股票预测这类的复杂序列化数据学习的问题.然而前期研究结果表明单一使用该方法仍存在预测不平衡、陷入局部极值导致能力不佳的问题.基于上述问题,文中利用将遗传算法(GA)解决调参问题来保证模型预测的平衡性,由此构建了新型股票预测模型.该模型分为三部分,首先利用LSTM网络进行收盘价的预测,再利用基于遗传算法的判别机制,最终获取下一刻股票的涨跌信号.这一模型不同于先前的研究,主要针对LSTM模型的输出模块进行了改进.文中使用了中证500的日内分钟数据进行测试验证.实验得出,改进模型的各方面指标均优于单独的LSTM模型.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机科学
ISSN： 1002-137X
Year： 2020
Issue： z1
Volume： 47
Page： 467-473
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
