科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于金融市场的复杂性和多变性，当前模型尚不能完全覆盖股票走势影响因素的方方面面，在预测精度方面还存在改进空间。基于此，提出了一种联合RMSE损失LSTM-CNN(long short-term memory-convolutional neural networks)的方法。该方法创新性地通过联合两个模型的RMSE损失函数，融合了LSTM学习长期时间序列依存关系的优点和CNN提取数据中深层特征的优点。在训练数据端通过将同一数据分为两种不同的表现形式，即股票时序数据和股票图像数据，使联合模型中的每个分支发挥最大的作用。为了证明该模型的可行性，建立BP(back propagation)、LSTM、CNN和LSTM-CNN融合模型作为对比。通过浦发银行、沪深300指数和上证综指三个数据集上的实验结果，得出所提联合RMSE损失LSTM-CNN模型，在预测效果上具有良好的可行性和普适性的结论。
- 单位
