典型文献
基于生成式对抗网络的股价预测研究
文献摘要：
为了降低股票市场中噪声信息和投资者情绪对股票价格的影响,以便给投资者带来较高的投资回报并降低交易风险,特提出一种基于金融双向编码器表征和瓦瑟斯坦距离的生成式对抗网络(financial bidirectional encoder representation from transformers and Wasserstein generative adversarial networks,FWGAN)股价预测模型.本模型首先采集东方财富网股评数据,并利用自然语言处理预训练模型将股评数据量化为情绪值,然后将情绪值连同历史股票交易数据、技术指标数据输入由长短期记忆网络(long-short-term memory,LSTM)为生成器和卷积神经网络(convolutional neural network,CNN)为判别器组成的FWGAN模型中进行训练.对比LSTM模型、门控神经网络(gated recurrent units,GRU)模型和生成式对抗网络(generative adversarial networks,GAN)模型对山西汾酒股价的预测性能,结果表明,FWGAN模型的均方根误差为2.572,达到最低,预测效果最好.试验结果验证了本模型对股票时间序列预测的有效性和优越性,可以为投资者进行股价预测提供参考.
文献关键词：
股价预测;股民情绪;生成式对抗网络股价预测模型;时间序列
中图分类号：
作者姓名：
许飞飞;胡月;汪召兵
作者机构：
浙江科技学院理学院,杭州310023
文献出处：
引用格式：
[1]许飞飞;胡月;汪召兵-.基于生成式对抗网络的股价预测研究)[J].浙江科技学院学报,2022(03):207-215
A类：
FWGAN,股民情绪,生成式对抗网络股价预测模型
B类：
预测研究,股票市场,声信,投资者情绪,股票价格,投资回报,交易风险,双向编码器,瑟斯,financial,bidirectional,encoder,representation,from,transformers,Wasserstein,generative,adversarial,networks,财富网,股评,自然语言处理,预训练模型,数据量化,连同,股票交易,交易数据,技术指标,长短期记忆网络,long,short,term,memory,生成器,convolutional,neural,判别器,门控神经网络,gated,recurrent,units,GRU,山西汾酒,预测性能,时间序列预测
AB值：
0.34599
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。
