结合深度学习和分解算法的股票价格预测研究OA北大核心CSCDCSTPCD
Research on Stock Price Prediction Combined with Deep Learning and Decomposition Algorithm
针对股票价格预测问题,实现对非平稳、非线性股票价格序列的预测,提出一种结合深度学习和分解算法的股票价格预测模型.该模型引入自适应噪声的完整集成经验模态分解(CEEMDAN)算法提取股票价格时间序列在时间尺度上的特征,利用注意力机制捕获输入特征参数的权重并结合门控循环单元(GRU)网络进行股票价格预测.实验对苹果、贵州茅台等国内外四家公司的股票价格和上证指数进行预测,结果表明与RNN、LSTM等模型相比,所提模型能有效减少预测误差,提高模型拟合能力.
张倩玉;严冬梅;韩佳彤
天津财经大学 理工学院,天津 300222天津财经大学 理工学院,天津 300222天津财经大学 理工学院,天津 300222
信息技术与安全科学
股票预测注意力机制门控循环单元(GRU)神经网络信号分解算法
《计算机工程与应用》 2021 (5)
56-64,9
国家自然科学基金青年项目(71901160).
评论