典型文献
基于生成式对抗神经网络的股票预测研究
文献摘要：
针对股票价格具有非线性、非平稳的特点,提出一种结合自注意力机制和残差网络的生成式对抗神经网络模型(SAR-GAN).该模型的生成器(generator)由长短期记忆网络(LSTM)层、自注意力机制层、残差层等构建而成,用于生成所预测股票的价格;判别器(discriminator)用于鉴别生成的股票价格与真实的股票价格.为验证模型良好的泛化性,选取上证指数及不同股票市场的热点行业龙头股票进行预测实验.实验结果表明,与LSTM、GRU、CNN-LSTM、CNN-GRU等模型相比,SAR-GAN模型能不同程度地减少预测误差.
文献关键词：
股票预测;生成式对抗神经网络;自注意力机制
中图分类号：
作者姓名：
严冬梅;李斌
作者机构：
天津财经大学 理工学院,天津 300222
文献出处：
引用格式：
[1]严冬梅;李斌-.基于生成式对抗神经网络的股票预测研究)[J].计算机工程与应用,2022(13):185-194
A类：
B类：
生成式对抗神经网络,股票预测,预测研究,股票价格,非平稳,自注意力机制,残差网络,SAR,GAN,生成器,generator,长短期记忆网络,判别器,discriminator,验证模型,泛化性,上证指数,股票市场,行业龙头,龙头股,GRU,预测误差
AB值：
0.288468
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。
