科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，深度学习方法在金融领域得到了广泛的应用，特别是促进了股票价格预测的发展。针对门控递归神经网络（GRU）在一般股票价格预测中准确性和鲁棒性较差的问题，提出了一种基于差分变异GRU的股票预测算法（DMGRU）。该算法将GRU的模型梯度整体作为决策变量，利用差分进化（DE）变异的方式在原有梯度附近寻找新的梯度，并用新的梯度来更新模型权重，从而得到更优的模型权重，进而提高模型在股票价格预测时的准确率。实验对标普500指数、上证指数和A股指数进行预测，结果表明DMGRU模型的预测结果精确度更高，预测趋势更加稳定。
-
单位广西师范学院师园学院; 桂林理工大学博文管理学院; 广西农业职业技术学院
