股指价格变动反映了权益类市场的走势情况,是重要的金融行情指标之一,一直备受学术界与业界的关注.基于2006年1月至2019年3月的沪深300指数数据,通过构建混合信息提取器的长短期记忆神经网络模型(H-LSTM),对股票指数价格进行预测.结果表明:采用分批预测、逐点后推、控制涨跌幅度策略以及增加网络输入变量数量、减少预测的时间宽口,可以显著提升LSTM对价格预测的精准度;基于混合信息提取器方法对沪深300指数价格的运行特征提取效果要优于主成分分析、稀疏自编码和t-SNE等方法.
科研之友
微信
新浪微博
Facebook
分享链接
