改进型基于LSTM的股票预测方法

作者：方红; 韩星煜; 徐涛^*

来源：安徽大学学报(自然科学版), 2019, 43(06): 36-42.

• LSTM
• 多维向量
• 特征工程
• 情感分析

针对当前长短时循环神经网络(long short-term memory,简称LSTM)在对股票预测时普遍存在的滞后性问题,提出一种改进型基于LSTM的股票预测方法.首先通过多维度向量输入,选取与股票价格相关系数较高的其他公司的每日股票收盘价,结合预测股票自身价格数据作为模型的输入向量;其次通过特征工程选取不同的特征向量作为输入向量,通过反复训练得到可以明显降低预测滞后性的特征向量组合;最后通过对与股票公司相关的新闻文本进行情感分析,将得到的情感分值作为模型输入向量.腾讯公司股票的预测结果表明,该方法在提高预测准确度的同时,明显改善了预测的滞后性.

• 出版日期2019
• 单位上海第二工业大学