基于遗传算法改进LSTM神经网络股指预测分析被引量：17

Improved LSTM neural network stock index forecast analysis based on genetic algorithm

下载PDF

导出

摘要股指预测问题是智能信息处理研究热点之一。提出了基于遗传算法改进的LSTM神经网络股指预测分析方法,并与其他两种基于机器学习的预测方法进行对比分析,分别为基于BP神经网络模型与LSTM网络模型的预测方法。在实验论证中,分别应用三种模型对纳斯达克数据进行预测,实验结果表明所提方法较其他两种方法在股票波动较小的阶段准确度得到了显著提升,在股票波动较大的阶段也可对其基本趋势进行预测。

作者武大硕张传雷陈佳向启怀

机构地区天津科技大学人工智能学院天津科技大学信息化建设与管理办公室

出处《计算机应用研究》 CSCD 北大核心 2020年第S01期86-87,107,共3页 Application Research of Computers

关键词股指预测机器学习遗传算法特征选择 LSTM

分类号 F831.51 [经济管理—金融学] TP183 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献4

1赵云,刘惟一.基于遗传算法的特征选择方法[J].计算机工程与应用,2004,40(15):52-54. 被引量：16
2卢琇泽,叶德谦,南敏.基于遗传算法和神经网络的股票价格预测[J].电脑开发与应用,2010,23(2):61-62. 被引量：6
3胡桔州,兰秋军.金融时间序列的数据挖掘技术与经典统计模型的比较[J].系统工程,2005,23(6):95-98. 被引量：10
4廖薇,冯小兵,曹伟莹,刘锦高.广义回归神经网络的金融预测模型研究[J].商业时代,2010(7):42-43. 被引量：5

二级参考文献20

1国嘉,王瑞敏,王家海,张忠民.基于遗传算法的神经网络学习方法[J].计算机与数字工程,2004,32(5):98-101. 被引量：9
2梁化楼,戴贵亮.人工神经网络与遗传算法的结合：进展及展望[J].电子学报,1995,23(10):194-200. 被引量：71
3张志政,邢汉承.基于模糊方位编码和神经网络的汇率走势预测[J].计算机工程,2006,32(9):33-35. 被引量：1
4陈彬,洪家荣,王亚东.最优特征子集选择问题[J].计算机学报,1997,20(2):133-138. 被引量：96
5Eugene F Fama. Market Efficiency [Z]. Long-Term Returns and Behavioral Finance, 1998,49.
6Duan J J. A Prediction Algorithm for time Series based on Adaptive Model Selection [J]. Expert Systems with Applications, 2008 (8) : 19-22.
7Philip M Tsang. Design and Implementation of NN5 for Hong Kong Stock Price Forecasting [R], 2007, 453.
8Kyong-jae Kim.Financial time series forecasting using support vector machines [J]. Neurocomputing, 2003.
9Heckerling Paul S, Gerber Ben S. Use of genetic algorithms for neural networks to predict community-acquired pneumonia[J]. Artificial Intelligence in Medicine, 2004.
10Zemke, S.On Developing Financial Prediction System: Pitfalls and Possibilities[C]. Proceedings of DMLL Workshop at ICML-2002, 2002.

共引文献33

1高昉,王桂林.成品油零售价格变动对销售量影响研究——基于成品油价格时序数据挖掘分析[J].价格理论与实践,2019(10):67-70. 被引量：7
2孙瑞霞,汪亚明,黄文清.基于GA的2DPCA在人脸识别中的应用[J].计算机工程与设计,2007,28(10):2398-2400. 被引量：4
3叶志伟,郑肇葆,万幼川,虞欣.基于蚁群优化的特征选择新方法[J].武汉大学学报（信息科学版）,2007,32(12):1127-1130. 被引量：23
4袁家斌,浦海晨.基于遗传算法优化的神经网络电子邮件信息分类器的研究[J].南京理工大学学报,2008,32(1):78-82. 被引量：3
5何典,梁英.金融时间序列数据挖掘的研究与应用[J].世界科技研究与发展,2008,30(1):104-106. 被引量：2
6冯莉,李满春,李飞雪.基于遗传算法的遥感图像纹理特征选择[J].南京大学学报（自然科学版）,2008,44(3):310-319. 被引量：16
7刘威,邵良杉.基于变换的时间序列相似性分析[J].辽宁工程技术大学学报（自然科学版）,2007,26(S2):278-280. 被引量：3
8李凯,田双亮,耿丽君.基于BP神经网络的入侵检测系统的特征选择[J].长春大学学报,2009,19(6):37-40. 被引量：3
9田甜,李星野.时间序列的分频与建模[J].统计与决策,2010,26(9):15-17. 被引量：1
10夏国恩.基于满意属性选择的客户流失预测[J].管理学报,2010,7(6):856-860. 被引量：6

同被引文献142

1王维祺,叶春明,谭晓军.基于Q学习算法的作业车间动态调度[J].计算机系统应用,2020,29(11):218-226. 被引量：9
2吴晓峰,林晓言,靳雅楠.基于时间序列模型遴选的集成组合预测模型[J].统计与决策,2021(9):5-8. 被引量：10
3耿晶晶,刘玉敏,李洋,赵哲耘.基于CNN-LSTM的股票指数预测模型[J].统计与决策,2021(5):134-138. 被引量：26
4吴秀丽,孙琳.智能制造系统基于数据驱动的车间实时调度[J].控制与决策,2020,35(3):523-535. 被引量：30
5操玮,任思儒.基于LSTM与GARCH族混合模型的人民币汇率波动预测研究[J].计算机应用研究,2020,37(S01):79-82. 被引量：9
6郭玄,朱凯.基于SSA-LSTM的锂离子电池寿命预测[J].电池工业,2021(3):131-135. 被引量：4
7孙英,周金龙,齐子萱,孙振海,季彦桢.日尺度和小时尺度下干旱区潜水蒸发变化特征及成因[J].灌溉排水学报,2020,39(S02):14-19. 被引量：3
8宫嘉成,沈美琴.股票价格的ARMA模型预报[J].天津大学学报,1995,28(4):589-592. 被引量：4
9张连营,张鸿飞,王争朋.反向物流网络设计的改进MILP模型[J].工业工程,2006,9(1):90-94. 被引量：2
10潘明,钱宇,李秀喜.一种改进的顺序型多目的间歇工厂生产调度的MILP模型[J].化工学报,2006,57(4):861-866. 被引量：11

引证文献17

1王贺,陈蕻峰,熊敏,刘素梅.融合CEEMDAN和ICS-LSTM的短期风速预测建模[J].电子测量与仪器学报,2022,36(4):17-23. 被引量：21
2刘茜阳,宋燕,张亚萌.基于模糊K线的FCLSTM-vSVR模型的股票价格预测[J].智能计算机与应用,2022,12(4):54-60. 被引量：4
3孙丽丽,方宏彬,朱星星,胡蕾明,齐龙武.基于网格搜索优化的XGBoost模型的股票预测[J].阜阳师范大学学报（自然科学版）,2021,38(2):97-101. 被引量：7
4李亚峰,王洪波,李晨,王富豪,刘勐,罗静静.融合注意力机制的LSTM期货投资策略[J].计算机系统应用,2021,30(8):22-30. 被引量：5
5黎壹.基于LSTM神经网络的人民币汇率预测研究[J].中国物价,2021(12):20-22. 被引量：2
6魏敏.基于组合模型的金融机构存款余额预测研究——以河南省为例[J].北方经贸,2022(2):106-109. 被引量：1
7梁秀霞,庞荣荣,郭鹭,张燕.基于AMWPSO- LSTM的多阶段间歇过程故障预测[J].北京化工大学学报（自然科学版）,2022,49(2):116-124. 被引量：1
8方义秋,卢壮,葛君伟.联合RMSE损失LSTM-CNN模型的股价预测[J].计算机工程与应用,2022,58(9):294-302. 被引量：21
9姚金海.基于ARIMA与信息粒化SVR组合的股指预测研究[J].运筹与管理,2022,31(5):214-220. 被引量：9
10于永进,姜雅男,李长云.基于鲸鱼优化-长短期记忆网络模型的机-热老化绝缘纸剩余寿命预测方法[J].电工技术学报,2022,37(12):3162-3171. 被引量：20

二级引证文献112

1王兴芬,张彦博.不同时间窗下铁矿石期货价格预测精度研究——基于CNN-LSTM注意力模型的分析[J].价格理论与实践,2022(11):142-145. 被引量：4
2韩莹,朱宏宇,李琨.融合聚类及随机配置网络的短期光伏功率预测[J].电子测量与仪器学报,2023,37(11):205-216. 被引量：5
3雷晓妹,党选发,张海韬,潘卓卓.风速传感器实测风速不确定度评定对比研究[J].电子测量与仪器学报,2023,37(11):56-64. 被引量：3
4任楚岚,宋才彦.基于双向循环神经网络的金融数据预测研究[J].网络安全技术与应用,2022(4):53-55. 被引量：3
5徐原,马伟哲,赵利刚,翁毅选,甄鸿越,史军,翟鹤峰,何晓峰.基于CIM模型的多粒度潮流计算数据生成方法[J].南方电网技术,2022,16(3):40-47. 被引量：11
6黄梓欣,林湘宁,马啸,吴宇奇,魏繁荣.含风电继电保护应用中的电流互感器饱和电流重构方法[J].电工技术学报,2022,37(19):4823-4834. 被引量：23
7程亚红,郑鹏,刘栋梁,曹满义,郑显润.基于LSTM网络的在线圆度预测[J].组合机床与自动化加工技术,2022(10):37-39.
8李新宇,朱家明,徐凤.基于XGBoost和SHAP方法的中小微企业信贷风险评估研究[J].阜阳师范大学学报（自然科学版）,2022,39(3):73-81. 被引量：3
9孙浩鹏.基于PC-SGD的深度学习雷达人体点云补全[J].重庆理工大学学报（自然科学）,2022,36(11):127-134.
10文馨贤.基于深度强化学习的高频量化交易策略研究[J].现代电子技术,2023,46(2):125-131. 被引量：3

1宁吉喆.中国经济有基础有潜力有条件保持稳中向好、长期向好[J].旗帜,2020(1):28-30. 被引量：2
2习近平总书记的抗疫日志(摘编)[J].中国轮胎资源综合利用,2020(5):6-7.
3无.全面落实党中央决策部署扎实做好“六稳”工作落实“六保”任务[J].云南农业,2020(5):8-8.
4郭金录.基于VMD-EEMD-LSTM模型的沪深300指数预测研究[J].现代财经（天津财经大学学报）,2020(8):31-44. 被引量：14
5刘宁宁,张量.基于PCA-GRU的股票指数预测模型的研究[J].计算机应用研究,2020,37(S01):113-115. 被引量：7
6周长虹.对小学高年级数学实施生活化教学的对策[J].信息周刊,2020,0(1):0330-0330.
7栗刚,孙中军,翟江涛,戴跃伟.一种基于条件变分自编码器的加密流量识别方法[J].计算机应用研究,2020,37(S01):301-303. 被引量：1
8于裴洋,同小娟,李俊,张静茹,刘沛荣.中国东部暖温带刺槐物候模型比较[J].中国农业气象,2020,41(10):609-621. 被引量：8
9徐超,王明田,杨再强,韩玮,郑盛华.苗期高温对草莓生育期的影响及其模拟[J].中国农业气象,2020,41(10):644-654. 被引量：11

计算机应用研究

2020年第S01期

浏览历史

内容加载中请稍等...

基于遗传算法改进LSTM神经网络股指预测分析被引量：17

参考文献4

二级参考文献20

共引文献33

同被引文献142

引证文献17

二级引证文献112

相关作者

相关机构

相关主题

浏览历史

基于遗传算法改进LSTM神经网络股指预测分析 被引量：17

参考文献4

二级参考文献20

共引文献33

同被引文献142

引证文献17

二级引证文献112

相关作者

相关机构

相关主题

浏览历史

基于遗传算法改进LSTM神经网络股指预测分析被引量：17