基于深度学习方法的金融时间序列预测研究

赵勇

首页> 中文期刊> 《智库时代》 >基于深度学习方法的金融时间序列预测研究

基于深度学习方法的金融时间序列预测研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

随着金融市场不断发展,人们总是多方面地搜集市场信息,旨在把握市场先机。金融时间序列中包含了行为主体的历史信息,通过分析历史信息可以在一定程度上预测将来,从20世纪六七十年代至今,研究人员建立了各种预测模型用以预测金融时间序列。相对于传统时间序列预测模型,本文采用了深度学习的方法对上证指数进行预测,通过对比长短期记忆神经网络模型(LSTM)、引入注意力机制的长短期记忆神经网络模型(AM-LSTM)两种模型预测结果,对比发现AM-LSTM的预测精度更高。本文的研究意义在于:给出了一种预测精度更高的时序预测模型;将不同深度学习方法融合使用的想法能够给其他学者在研究相关问题时提供一种思路上的参考。

著录项

来源
《智库时代》 |2020年第18期|P.59-62|共4页
作者
赵勇;
展开▼
作者单位

兰州财经大学甘肃兰州730101;

展开▼
原文格式 PDF
正文语种 chi
中图分类金融市场;
关键词
LSTM; 注意力机制; 金融时间序列;

相似文献

中文文献
外文文献
专利

1. 基于深度学习的金融时间序列数据集成预测 [J] . 闫洪举 . 统计与信息论坛 . 2020,第004期
2. 基于LSTM等深度学习方法的股指预测研究 [J] . 李佳 ,黄之豪 ,陈冬兰 . 软件导刊 . 2019,第009期
3. 基于深度学习方法的沪铜期货价格预测研究 [J] . 路凯龙 . 全国商情·理论研究 . 2019,第033期
4. 基于深度学习方法的沪铜期货价格预测研究 [J] . 路凯龙 . 全国流通经济 . 2019,第033期
5. 基于LSTM等深度学习方法的股指预测研究 [J] . 李佳1 ,黄之豪1 ,陈冬兰1 . 软件导刊 . 2019,第009期
6. 金融时间序列模糊边界预测研究 [C] . GUI Bin ,桂斌 ,HUANG Li-dong . 2012中国计算机大会 . 2012
7. 基于核学习方法的时间序列预测研究 [A] . 王秋莉 . 2018

基于深度学习方法的金融时间序列预测研究

摘要

著录项

相似文献

相关主题

期刊订阅