典型文献
基于Attention机制的LSTM股价预测模型
文献摘要：
针对时间序列分析方法和神经网络对于股价预测具有一定局限性的问题,将基于Attention机制的LSTM模型应用于股价预测;以2014-01-02—2020-09-22日的上证工业指数、上证环保指数等相关数据为样本,在LSTM模型中引入Attention机制,使模型聚焦于重要的股价特征信息,预测股票第二日的最高价;实证研究发现,相较于MLP,RNN和LSTM模型,基于Attention机制的LSTM模型的RMSE值比基准模型平均降低了3％-45％左右,4种模型对环保企业的预测精度均高于污染企业;随后将空气质量指数,温度和湿度纳入特征,提升反映污染企业和环保企业股价规律相关特征的数据质量,实证结果发现在加入新的特征以后,4种模型在预测上证工业指数和上证环保指数波动趋势时,RMSE值均下降了1％左右.
文献关键词：
空气质量;注意力机制;长短期记忆网络;股价预测
中图分类号：
作者姓名：
林昕;朱小栋
作者机构：
上海理工大学 管理学院,上海200093
文献出处：
引用格式：
[1]林昕;朱小栋-.基于Attention机制的LSTM股价预测模型)[J].重庆工商大学学报（自然科学版）,2022(02):75-82
A类：
B类：
Attention,股价预测,时间序列分析,定局,模型应用,上证,特征信息,股票,第二日,最高价,MLP,RNN,RMSE,比基,模型平均,环保企业,污染企业,空气质量指数,数据质量,注意力机制,长短期记忆网络
AB值：
0.310319
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
