科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高中国股指的预测表现，提出一个融合了变分模态分解（VMD）、卷积注意力模块（CBAM）和双向长短期记忆网络（BiLSTM）的混合模型MVC5B（Multi-channel-VMD-CBAM5-BiLSTM）。首先，不同于混合模型常用的分解-集成构造方法，MVC5B基于提出的多通道输入方法构造而成。多通道输入方法基于自身一次性预测的特点可以有效规避分解-集成方法多次预测带来的累计误差和巨大计算成本，从而提升MVC5B的预测表现。然后，CBAM的引入不但提升了股指的预测表现，而且还丰富了股指预测问题中关于CBAM的研究。基于多个具有代表性的中国股指数据集的实证结果显示MVC5B的预测表现和模拟收益显著优于流行的预测模型。此外，实证结果还进一步证实了多通道输入方法相比于分解-集成方法的优越性以及CBAM在股指预测问题中的有效性。
- 单位
