典型文献
基于组合神经网络模型的金融时序预测
文献摘要：
金融市场中的股票价格具有波动性和复杂性,而如今传统模型很难有效进行股价预测.选取上证指数作为数据集,提出了BP-LSTM模型和ARIMA-LSTM模型这两种混合模型,BP-LSTM模型利用BP模型提取数据中的非时序信息,再用LSTM模型提取数据中的时序信息的优点.ARIMA-LSTM模型中ARIMA模型可以利用数据中的线性信息,而LSTM模型适合提取数据中的非线性信息.为了证明模型的可行性,建立了LSTM模型,BP模型和ARIMA模型来进行对比,得出ARIMA-LSTM的预测效果好过其他的模型,BP-LSTM预测股价效果不好,但更适合做分类来预测股票涨跌.
文献关键词：
组合神经网络模型;LSTM模型;BP模型;ARIMA模型;股价预测
中图分类号：
作者姓名：
卜钰家
作者机构：
澳门大学协同创新研究院,澳门 999078
文献出处：
引用格式：
[1]卜钰家-.基于组合神经网络模型的金融时序预测)[J].现代计算机,2022(22):37-41,46
A类：
B类：
组合神经网络模型,金融时序预测,金融市场,股票价格,波动性,传统模型,股价预测,上证指数,ARIMA,混合模型,提取数据,时序信息,合做,涨跌
AB值：
0.269856
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。
