VAE-ATTGRU模型的股指期货价格预测研究

作者：张玉婷; 金传泰; 李勇

来源：计算机工程与应用, 2023, 1-11.

• 股指期货预测
• 变分自编码器
• 数据增强
• 注意力机制
• GRU

针对股指期货市场高波动、非平稳、非线性和高信噪比等特性造成的预测难度大的问题，利用变分自编码器(VAE)和循环神经网络(RNN)提出一种基于VAE-ATTGRU的混合深度学习股指期货价格预测模型。首先，利用变分自编码器对股指期货技术指标进行学习，将VAE学习到的潜在因子与原始数据融合实现数据增强，得到更丰富的因子表示；其次，使用循环神经网络对股指期货价格进行预测，发现结合了注意力机制的门控循环单元(ATTGRU)可以对VAE增强后的股指期货数据进行充分学习，对关键特征信息进行捕捉并重新赋予权重。实验在沪深300股指期货、中证500股指期货和上证50股指期货数据上，通过均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R2)对VAE-ATTGRU模型进行评估，发现其在预测精度上优于其他模型。

• 单位
  中国科学技术大学