科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对股票收盘价预测精度不高的问题，提出了一种优化长短期记忆（LSTM）神经网络模型（P-Adam-LSTM）。在LSTM神经网络结构的基础上，将通过自适应矩估计算法自适应地调节学习率，提高准确度；利用Pearson相关系数选出最佳特征集并用于训练，改善误差率。将P-Adam-LSTM与LSTM、Adam-LSTM、P-LSTM模型进行纵向对比试验；将P-Adam-LSTM与RNN、CNN、BP模型进行横向对比试验；将Adam-LSTM与Adagrad-LSTM、RMSProp-LSTM、SGD-LSTM模型进行优化算法模型对比试验。训练数据为上证A股的中国国贸（600007.SH）十年间的股票特征，实验验证了P-Adam-LSTM对收盘价预测具有有效性。
-
单位四川轻化工大学; 宜宾学院
