典型文献
基于差分变异GRU梯度的股票价格预测算法
文献摘要：
近年来,深度学习方法在金融领域得到了广泛的应用,特别是促进了股票价格预测的发展.针对门控递归神经网络(GRU)在一般股票价格预测中准确性和鲁棒性较差的问题,提出了一种基于差分变异GRU的股票预测算法(DMGRU).该算法将GRU的模型梯度整体作为决策变量,利用差分进化(DE)变异的方式在原有梯度附近寻找新的梯度,并用新的梯度来更新模型权重,从而得到更优的模型权重,进而提高模型在股票价格预测时的准确率.实验对标普500指数、上证指数和A股指数进行预测,结果表明DMGRU模型的预测结果精确度更高,预测趋势更加稳定.
文献关键词：
股票价格预测;门控循环神经网络;模型梯度;差分进化;预测结果
中图分类号：
作者姓名：
吴峰;谢聪;谢春美
作者机构：
南宁师范大学师园学院,南宁 530226;广西农业职业技术大学,南宁 530005;南宁理工学院,南宁 530007
文献出处：
引用格式：
[1]吴峰;谢聪;谢春美-.基于差分变异GRU梯度的股票价格预测算法)[J].现代计算机,2022(10):18-24,71
A类：
DMGRU
B类：
差分变异,股票价格预测,预测算法,深度学习方法,金融领域,递归神经网络,股票预测,模型梯度,决策变量,差分进化,DE,更新模型,模型权重,上证指数,股指,预测趋势,门控循环神经网络
AB值：
0.250193
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。
