基于LSTM的多特征股票趋势预测研究

作者：傅魁; 殷晓岩; 王乾

来源：北京邮电大学学报(社会科学版), 2020, 22(05): 17-27.

DOI：10.19722/j.cnki.1008-7729.2020.0018

• 多源数据
• 多特征
• LSTM
• 股票趋势预测

股票市场作为一个复杂非线性系统,受到多种信息源影响,其趋势调整不是按照均匀时间过程变动。针对股票市场特点,结合LSTM(Long Short-Term Memory)神经网络拟合复杂时序数据的特性,使用来自新闻平台、社交平台、历史数据等不同层级来源的信息,提出一种基于LSTM的多特征股票趋势预测模型。首先使用经验模态分解对股票基础数据降噪,获取股价变动规律;将金融文本数据推送到引入注意力机制与自动编码器的改进LSTM网络模型中训练与测试,从而反映投资者心理;再经LSTM神经网络对股票趋势进行组合预测。结果表明,时序型金融文本特征的加入能有效提升模型的预测表现。

• 单位
  武汉理工大学