典型文献
基于多视图注意力机制的多维度价格预测模型研究
文献摘要：
传统的股票价格预测模型只针对单一维度价格进行预测,忽略了多维度价格之间的复杂关系.因此,为了更好地对股票价格进行准确预测和为决策者提供前瞻性信息,提出了一种新的基于多视图注意力机制的多维度价格预测模型.通过多视图的深度可分离卷积网络学习多维度股票价格潜在的复杂的输入—输出关系,更好地提取股票价格的时空特征,实现时空数据的智能关联,并使用注意力机制进一步提升模型的预测性能,进而通过时空多维度的股价历史数据来预测单和多时间步长股票价格.该模型与其他四种模型在中国银行股价数据集上进行实验和比较,发现所提模型在不同预测时长下相比于表现最好的模型,平均绝对误差分别降低了 0.4％、0.5％、4.2％、3.9％,均方误差分别降低了 0.8％、2％、1.9％、1.9％,平均百分比误差分别降低了 0.15％、0.21％、1.24％和1.34％.因此所提模型预测精度最高,预测性能最好,并且在对其他维度的股票价格预测上具有普适性.
文献关键词：
股票价格预测;注意力机制;时空智能关联;多视图角度;多维度预测模型
中图分类号：
作者姓名：
宋津;米利群;苏妍嫄
作者机构：
燕山大学经济管理学院,河北 秦皇岛066004
文献出处：
引用格式：
[1]宋津;米利群;苏妍嫄-.基于多视图注意力机制的多维度价格预测模型研究)[J].计算机应用研究,2022(11):3258-3262
A类：
时空智能关联,多视图角度,多维度预测模型
B类：
图注意力机制,股票价格预测,复杂关系,准确预测,决策者,前瞻性信息,深度可分离卷积,卷积网络,网络学习,时空特征,时空数据,预测性能,时空多维,历史数据,时间步长,中国银行,银行股价,平均绝对误差,均方误差
AB值：
0.179527
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。
