典型文献
基于板块效应的深度学习股价走势预测方法
文献摘要：
股票价格预测作为金融预测领域中一项重要的研究方向,准确预测股票价格的涨跌可以帮助投资者盈利或及时止损.经研究发现,某些因素(如政策、社会突发事件等)会对同板块下的多只股票价格产生影响,导致同板块的多只股票在某个时间段内出现相似的走势,即板块效应.因此,同板块下多只股票的价格走势对于股票预测具有参考作用.针对这一现象,提出了一种基于板块效应的深度学习股价走势预测方法.首先,使用皮尔森(Pearson)相关系数和XGBoost算法对同板块下多只股票的收盘价进行分析,以筛选出与预测股票相关性高的多只股票,并使用自编码器对这些股票的收盘价进行降维,以提取股票的价格走势;其次,构建了一个基于卷积神经网络(convolutional neural networks,CNN)与长短期记忆(long short-term memory,LSTM)网络的混合深度学习预测模型,使用一维卷积神经网络提取输入数据的特征,使用LSTM网络对股票价格进行预测.该模型使用银行、医药、酒业、娱乐传媒4个板块的股票作为实验数据集.为了提高模型的预测效果,通过随机搜索对LSTM网络的神经元个数进行简单的分析,以选择较优的神经元个数.最后,通过实验分析,基于同板块数据集的深度学习预测模型具有良好的预测效果.
文献关键词：
同板块股票特征;XGBoost;股票预测;LSTM;深度学习
中图分类号：
作者姓名：
李庆涛;林培光;王基厚;周佳倩;张燕;蹇木伟
作者机构：
山东财经大学计算机科学与技术学院,山东 济南250014
文献出处：
引用格式：
[1]李庆涛;林培光;王基厚;周佳倩;张燕;蹇木伟-.基于板块效应的深度学习股价走势预测方法)[J].南京师范大学学报（工程技术版）,2022(01):30-38
A类：
同板块股票特征
B类：
股价,股票价格预测,准确预测,涨跌,投资者,止损,社会突发事件,多只,某个,价格走势,股票预测,参考作用,皮尔森,XGBoost,收盘价,自编码器,convolutional,neural,networks,长短期记忆,long,short,term,memory,混合深度学习,深度学习预测模型,一维卷积神经网络,输入数据,模型使用,酒业,传媒,随机搜索,块数据
AB值：
0.288806
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。
