典型文献
基于LSTM神经网络模型的股票价格变化预测研究——以百度股价为例
文献摘要：
股票预测研究一直是困扰投资者的难题,本文主要研究了LSTM神经网络模型对股票价格变化的预测.为此,本文选取了百度股票2005年8月5日至2022年4月5日的历史数据,共4195条进行研究.数据指标主要包括:交易数据开盘价格(open)、最高价格(high)、最低指数(low)、收盘价格(close)以及成分证券成交量(volume).在数据标准化和划分训练集测试集后,本文首先选择收盘价格(close)单列进行LSTM神经网络预测,对模型进行参数的调整优化,得到损失函数指标MSE为0.2183,进而将5个指标均纳入模型进行预测,预测结果的MSE为0.0078,认为多特征模型拟合效果更好,能够得出较为准确的股价数据趋势.
文献关键词：
股票;价格预测;LSTM神经网络模型
中图分类号：
作者姓名：
席小雅;秦荷斌;鲁志娟
作者机构：
西安欧亚学院,陕西 西安 710065
文献出处：
引用格式：
[1]席小雅;秦荷斌;鲁志娟-.基于LSTM神经网络模型的股票价格变化预测研究——以百度股价为例)[J].全国流通经济,2022(16):102-105
A类：
B类：
股票价格,价格变化,变化预测,预测研究,百度,股价,股票预测,投资者,历史数据,交易数据,开盘价,open,最高价,high,低指数,low,收盘价格,close,证券,成交量,volume,数据标准化,训练集,测试集,单列,神经网络预测,调整优化,损失函数,MSE,多特征,特征模型,模型拟合,拟合效果,价格预测
AB值：
0.439917
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。
