科研之友
微信
新浪微博
Facebook
分享链接
摘要
金融市场中的股票价格具有波动性和复杂性，而如今传统模型很难有效进行股价预测。选取上证指数作为数据集，提出了BP-LSTM模型和ARIMA-LSTM模型这两种混合模型，BP-LSTM模型利用BP模型提取数据中的非时序信息，再用LSTM模型提取数据中的时序信息的优点。ARIMA-LSTM模型中ARIMA模型可以利用数据中的线性信息，而LSTM模型适合提取数据中的非线性信息。为了证明模型的可行性，建立了LSTM模型，BP模型和ARIMA模型来进行对比，得出ARIMA-LSTM的预测效果好过其他的模型，BP-LSTM预测股价效果不好，但更适合做分类来预测股票涨跌。
