共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
作为深度学习技术的经典模型之一,长短期记忆(LSTM)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①LSTM神经网络具有很强的泛化能力,对全部指数不同期限的预测效果均很稳定;②LSTM神经网络具有优秀的预测精度,相比三种对照模型(SVR,MLP和ARIMA),其对全部指数的平均预测精度在不同期限上均有提升;③LSTM神经网络能够有效控制误差波动,其对全部指数的平均预测稳定度相比三种对照模型在不同期限上亦均有提高。鉴于LSTM神经网络在预测精度和稳定度两方面的优势,其未来在金融预测中将有广阔的应用前景。 相似文献
3.
消费者信心指数等宏观经济指标具有时间上的滞后效应和动态变化的多维性,不易精确预测。本文基于机器学习长短时间记忆(Long Short-Term Memory,LSTM)神经网络模型,结合大数据技术挖掘消费者信心指数相关网络搜索数据(User Search,US),进而构建一种LSTM&US预测模型,并将其应用于对我国消费者信心指数的长期、中期与短期的预测研究,同时引入多个基准预测模型进行了对比分析。结果发现:引入网络搜索数据能够提高LSTM神经网络模型的预测性能与预测精度;LSTM&US预测模型具有较好的泛化能力,对不同期限的预测效果均较稳定,其预测性能与预测精度均优于其他六种基准预测模型(LSTM、SVR&US、RFR&US、BP&US、XGB&US和LGB&US);预测结果显示本文提出的LSTM&US预测模型具有一定的实用价值,该预测方法为消费者信心指数的预测与预判提供了一种新的研究思路,丰富了机器学习方法在宏观经济指标预测领域中的理论研究。 相似文献
4.
5.
文章从深度学习技术角度出发,将技术分析指标、基本面分析指标与混合循环神经网络模型相结合构建新型股价预测模型,并提出滚动样本预测评价法检验股价预测模型的长期有效性。研究发现,相较于以往研究模型,基于LSTM模型和GRU模型构建的混合循环神经网站模型能更有效地提取技术分析指标和基本面分析指标的数据特征,从而给出预测个股股价的最优网络结构;该混合循环神经网络模型在长期预测上具有更高的预测精度。 相似文献
6.
7.
8.
9.
为了提高金融时序预测的准确性及泛化性,文章提出了基于主成分分析法和注意力机制来优化长短时记忆模型(PCA-Attention-LSTM)的消费行业板块指数预测方法。首先对指数日常数据生成技术指标,然后通过主成分分析法提取重要特征,根据长短时记忆神经网络(LSTM)学习输入特征的内部变化规律,并利用注意力机制计算LSTM隐层状态的不同权重,最后结合注意力权重和LSTM神经网络进行指数预测。结果表明,优化后的LSTM模型对消费行业板块指数走势具有较强的预测能力。此外,在预测方法的基础上引入了股票的异同移动平均线和均线指标,提供了一种每日轮动自动捕捉交易点的短频量化交易策略。 相似文献
10.
粮食产量的预测是保障粮食安全的重要组成部分.文章结合河南省许昌市粮食产量的历史数据,首先建立趋势外推预测模型,并对模型进行相应的分析;然后运用趋势外推与ARIMA模型(求和自回归移动平均模型)结合起来的混合时间序列模型对趋势值和真实值之间的离差序列即残差进行分析,得到混合时间序列模型的预测结果;最后通过比较得出的混合时间序列模型预测的精度较高,可作为粮食总产量预测的有效工具之一. 相似文献
11.
建本研究结合小波转换与支持向量回归,提出一个二阶段时间序列预测模型。先以离散小波分解与重组对金融时间序列数据进行预处理,再以SVR建立预测模型。 相似文献
12.
13.
文章详细介绍了奇异谱分析(SSA)这种用于处理时间序列数据的方法,并用其对欧元兑美元汇率进行了分析和预测。将预测结果与随机游走模型进行比较的结果表明,该方法优于随机游走模型,且预测精度较高。 相似文献
14.
15.
基于小波分解的汇率预测模型实证研究 总被引:1,自引:0,他引:1
基于人们的预期对汇率的影响及汇率变动中包含不同频率成分的原因,文章采用小波分解和人工神经网络(ANN)相结合的方法建立汇率预测模型,首先将原始汇率数据序列分解为不同频率序列,然后利用ANN方法针对分解后的序列分别建立模型,将每个模型预测的结果相加得到汇率的预测值.实证结果发现:(1)小波分解方法有助于提高汇率预测的精度,表明汇率变动是由不同频率成分组成并且人们预期对汇率变动具有一定的影响;(2)汇率预测中不同的神经网络模型具有不同的性能,在建立预测模型时应该慎重考虑选择的神经网络类型及其参数. 相似文献
16.
文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能. 相似文献
17.
18.
中国棉花产量的时间序列预测模型 总被引:1,自引:0,他引:1
时间序列分析预测的首要任务是辨识影响时间序列的项目因素,这个辨识过程称为分解。每个项目的辨识都独立进行。完成分解后的各项目再度组合,由此途径来分析预测时间序列的未来值时间序列分析预测的主要任务就是对时间序列的观察样本建立尽可能合适的分析预测模型。 相似文献
19.
20.
文章采用灰色预测法刻画碳价的发展趋势,运用马尔科夫(Markov)理论刻画碳价的随机波动特性,使用并改进Grey-Markov模型预测碳价波动.通过比较其与传统金融时间序列预测模型GARCH的结果,发现改进的Grey-Markov模型能够提高预测的精度. 相似文献