典型文献
基于多维高频数据和LSTM模型的沪深300股指期货价格预测
文献摘要：
以2010—2019年的沪深300股指期货为对象,收集日收盘价、5分钟收盘价,以及影响波动的5维度89个指标,采用维度删减、间隔采样方法,组合成多个不同维度和不同频率的LSTM深度学习模型对沪深300股指期货进行预测,并且从空间和时间角度分析维度和频率对股指期货价格波动的影响.研究表明:LSTM模型可以很好地描绘沪深300股指期货多维高频数据的特征;空间上,变量维度对沪深300股指期货价格的预测带来间接影响,预测精度最高的出现在10至20个交易日区间;时间上,数据频率的影响更为直接,频率越高预测精度越高.研究结论有助于股指期货参与各方分散和化解金融风险.
文献关键词：
多维高频数据;深度学习;LSTM模型;沪深300股指期货
中图分类号：
作者姓名：
邱冬阳;丁玲
作者机构：
重庆理工大学经济金融学院,重庆 400054
文献出处：
引用格式：
[1]邱冬阳;丁玲-.基于多维高频数据和LSTM模型的沪深300股指期货价格预测)[J].重庆理工大学学报（社会科学版）,2022(03):55-69
A类：
多维高频数据
B类：
股指期货,期货价格预测,收盘价,删减,间隔采样,采样方法,组合成,不同维度,不同频率,深度学习模型,空间和时,价格波动,间接影响,交易日,金融风险
AB值：
0.181414
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。
