基于CNN-BiLSTM和注意力机制的股票预测

作者：蒙懿; 徐庆娟^*

来源：南宁师范大学学报(自然科学版), 2021, 38(04): 70-77.

DOI：10.16601/j.cnki.issn2096-7330.2021.04.010

• 卷积神经网络
• 双向长短期记忆网络
• 注意力机制
• 股票预测

该文以浦发银行股票日行情数据为实证分析对象，构建了基于CNN-BiLSTM和注意力机制的股价预测模型．首先，利用卷积神经网络（CNN）模型进行局部特征信息的提取，减少冗余的信息，再利用双向长短期记忆神经网络（BiLSTM）模型对CNN传来的信息进行上下文学习，最后加入注意力机制，对不同信息分配权重使之更好地聚焦目标．实证分析中，对比了所建立模型与CNN、LSTM、BiLSTM、CNN-LSTM、CNN-BiLSTM的预测效果．结果表明，该文模型预测多特征、时序长的股票数据展现了更优越的性能．

• 单位
  南宁师范大学