基于LSTM的股票价格预测分析

作者：李桂城; 许丽; 张利^*

来源：智能计算机与应用, 2022, 12(05): 123-128.

• 股票价格预测
• 时间序列
• 文本情感分析
• LSTM

本文主要对股票预测的方式进行改进，使预测结果更接近真实数据。以往的股票价格预测研究大多简单地将股票价格作为序列数据，通过模型进行训练预测，或者只是通过分析新闻文本、股民评论的情感倾向预测股票价格的涨跌，这都不能全面地对股票价格进行考量。本文通过参考影响股票实际价格的多种因素，对股票价格预测结果展开研究。本研究提出新的模型M,该模型结合了时间序列预测以及文本情感分析两种方法，采用的均为LSTM的拓展模型，分别是DA-RNN、BiLSTM-Attention。一方面，通过分析对比XGBoost、LSTM与DA-RNN的实验结果验证了DA-RNN在时序预测实验中的有效性；另一方面，采用BiLSTM-Attention模型作为调整股票预测值的主要方法，使预测结果更加具备可解释性。本研究通过改进的股票价格预测模型M来进行股票价格的预测。实验结果表明，在海康威视股票数据集中，当文本情感倾向的权重值设置为0.01时，MAE、RMSE值均达到最小，即预测效果最好。

• 单位
  贵州大学