基于鲸鱼算法优化LSTM的股票价格预测模型

作者：李婧琦

来源：智能计算机与应用, 2023, 13(02): 35-40.

• 鲸鱼优化
• 股票价格预测
• 长短期记忆网络
• 递归特征消除

长短期记忆神经网络(LSTM)因其长时记忆的可预测性，在金融领域脱颖而出。然而前期研究结果显示，该方法存在主观性决定关键参数，容易陷入局部最优，导致能力不佳的问题。基于上述问题，本文提出一种基于鲸鱼算法(WOA)优化长短期记忆网络(LSTM)的股票价格预测模型。该模型通过鲸鱼算法，对LSTM网络的重要参数进行寻优，使之降低人为因素的影响，提高模型预测的准确性。同时，针对股票数据之间的冗余性导致模型效率降低的问题，使用递归特征消除算法对数据进行特征选择，建立完善指标体系进行预测。实验以上证指数股票数据构建了WOA-LSTM模型，并对该模型的预测结果与单一LSTM、PSO-LSTM、SSA-BP模型进行比较分析。实验结果表明，本文所提模型对股票价格的预测明显优于其它模型。

• 单位
  山东工商学院