基于特征选择的RF-LSTM模型成分股价格趋势预测OA北大核心CSSCI
金融市场的股价波动是一种极其复杂的非线性系统.文章首先选取上证A股中有代表性的15只成分股,然后使用RF和CA-SFS对19个指标进行特征提取,最后使用LSTM模型对股票价格涨跌进行预测.每只股票,以5分钟一组,运用20组的数据来预测未来1组的股票的涨跌,同时也滚动预测了未来48组的股票涨跌趋势.结果证明,文章所提模型兼顾分类效率和特征维数,相比浅层机器学习模型预测准确率提高了33.17％,相比结合PCA、LASSO等降维方法的LSTM模型准确率…查看全部>>
刘玉敏;李洋;赵哲耘
郑州大学商学院,郑州450000郑州大学商学院,郑州450000郑州大学商学院,郑州450000
管理科学
长短时间记忆神经网络随机森林趋势预测序列前向选择成分股
《统计与决策》 2021 (1)
基于深度学习的大数据制造过程质量智能诊断研究
157-160,4
国家自然科学基金重点项目(U1904211)国家自然科学基金资助项目(7167218271672209)
评论