文献类型：期刊文章

作　　者：冯宇旭[1] 李裕梅[1]

FENG Yu-xu;LI Yu-mei(Beijing Technology and Business University,School of Science,Beijing 100048,China)

机构地区：[1]北京工商大学理学院,北京100048

出　　处：《数学的实践与认识》

基　　金：国家自然科学基金(11101012)

年　　份：2019

卷　　号：49

期　　号：7

起止页码：308-315

语　　种：中文

收录情况：BDHX、BDHX2017、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：将LSTM用于沪深300指数的股价预测中,并在通用变量开盘价、收盘价、最高价、最低价的基础上新加入了日成交量与日成交额,以此来预测第二日的最高价,获得了比较好的预测效果,并与SVR模型和Adaboost模型预测作对比,LSTM获得的测试集RMSE要更低.接着,用SVR、Adaboost和LSTM进行岭回归集成,即,先用训练集对这三种模型进行训练,然后用训练数据进行测试,将它们的测试结果作为自变量,以相应的真实第二日最高价作因变量,进行岭回归,再对测试集数据做出预测,得到测试集的RMSE进一步降低;再者,查看回归方程发现SVR系数为负,与因变量呈负相关关系,进一步选取Adaboost和LSTM两种模型在训练集上的预测结果做自变量,相应的真实第二日最高价作因变量,再次进行岭回归,得到测试集的RMSE再次降低,进一步验证了回归集成算法的有效性,可以为广大投资者做买卖决策时提供重要的参考价值.

关 键 词：股价预测 LSTM  沪深300指数 SVR ADABOOST 岭回归集成  RMSE

分 类 号：F832.51[金融学类] TP183]