基于神经网络集成学习股票预测模型的研究

作者：谢琪; 程耕国; 徐旭

来源：计算机工程与应用, 2019, 55(08): 238-243.

• 长短记忆神经网络
• 装袋算法
• 股票
• 准确率
• 精确率

基于深度学习的原理构建出六层长短记忆神经网络,通过集成学习中Bagging方法组合8个长短记忆神经网络。使用基于神经网络集成学习模型预测中国人民币普通股市场。实验测试了从2012年1月4日到2017年12月29日这期间的上海证券综合指数、深圳证券综合指数、上证50指数、沪深300指数、中小企业板指数和创业企业板指数。实验结果为模型的准确率达到58.5%,精确率为58.33%,召回率为73.5%,F1值为64.5%,AUC值为57.67%,取得了较好的预测效果。

• 单位
  武汉科技大学