基于EMD-LSTM模型的股指收盘价预测

摘要/Abstract

摘要： 股指是投资者用来规避股市风险的工具，为了对金融股指进行有效预测，采用了一种基于经验模态分解（ＥＭＤ）和长短期记忆网络（ＬＳＴＭ）模型的组合预测方法，对股指进行统计性描述，发现中国３个股指的波动具有明显区别，就这一特征对数据进行建模。建立传统时间序列模型及机器学习模型共７种模型，经对比研究发现：ＥＭＤＬＳＴＭ模型在预测沪深３００股指收盘价和深证成指收盘价上具有较好的效果，预测上证指数收盘价时ＬＳＴＭ模型具有较好的效果，从而分析出数据波动大小对于模型的预测效果有一定的影响，可以根据数据波动性来选择适合的股指预测模型。

关键词: 股票指数, 金融预测, ＥＭＤＬＳＴＭ, 深度学习, 经验模态分解

中图分类号:

F832.5

刘铭，单玉莹. 基于EMD-LSTM模型的股指收盘价预测[J]. 重庆理工大学学报（自然科学）, 2021, 35(12): 269-276.

[1]	李梁，王也，朱小飞. 一种改进的分布式同步梯度下降法[J]. 重庆理工大学学报（自然科学）, 2021, 35(7): 139-145.
[2]	周可鑫，左云波，谷玉海，朱腾腾，卞景艺. 基于ＹＯＬＯＧＴ网络的零售商品目标检测方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(6): 174-184.
[3]	李昂１，２，王晟全２，张晨３. 基于Ｒｓｎｅｔ框架和Ｍｏｂｉｌｅｎｅｔ迁移网络的遥感机场目标识别[J]. 重庆理工大学学报（自然科学）, 2021, 35(6): 131-136.
[4]	沈杰１, 乔少杰１, ２, 韩楠１, 元昌安３, ４, 许源平１, 覃晓４, 王珏岚５. 融合多信息的个性化推荐模型[J]. 重庆理工大学学报（自然科学）, 2021, 35(3): 128-138.
[5]	闫河１, ２, 李焕１, 罗成１. 基于深度学习的罐式炼炉送料口视觉检测与跟踪方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(3): 139-144.
[6]	王艳1a,1b,李昂1,2,王晟全1a,1b. 训练集对遥感图像超分辨率下自动目标识别影响的研究[J]. 重庆理工大学学报（自然科学）, 2021, 35(2): 136-143.
[7]	杨尊俭,张淑军. 基于DTW和CNN的仿真驾驶手势识别及交互[J]. 重庆理工大学学报（自然科学）, 2021, 35(2): 144-151.
[8]	吴玲玲，尹莉莉，任其亮. 一种EMD和DEBPNN组合优化的短时交通流预测方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(12): 155-163.
[9]	. 一种改进YOLOv３的绝缘子检测方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 187-193.
[10]	赵杰1,陈志刚1,2,赵志川1,张楠1,2. 基于同步提取变换和DRSN的滚动轴承故障诊断研究[J]. 重庆理工大学学报（自然科学）, 2021, 35(1): 138-144.
[11]	徐传运１，２，孙　越２，李　刚１，２，袁含香１. 基于深度度量学习的小样本商品图像分类研究[J]. 重庆理工大学学报（自然科学）, 2020, 34(9): 209-216.
[12]	袁志宏１，孙　强１，李国祥１，白书战１，严　英２，张振华１. 基于Yolov3的自动驾驶目标检测[J]. 重庆理工大学学报（自然科学）, 2020, 34(9): 56-61.
[13]	黄同愿,杨雪姣,向国徽,陈辽. 基于YOLOV3的改进模型在行人检测中的应用[J]. 重庆理工大学学报（自然科学）, 2020, 34(8): 155-164.
[14]	戴蓉. 基于面部生理特征和深度学习的表情识别方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(6): 146-153.
[15]	何联格a, b, 周蓝a, 苏建强a. 内燃机活塞结构可靠性数值仿真计算研究现状与展望[J]. 重庆理工大学学报（自然科学）, 2020, 34(11): 34-42.

基于EMD-LSTM模型的股指收盘价预测

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10