基于LSTM-CNN-CBAM模型的股票预测研究

作者：赵红蕊; 薛雷

来源：计算机工程与应用, 2021, 57(03): 203-207.

• 长短期记忆网络(LSTM)
• 卷积神经网络(CNN)
• 注意力机制
• 股价预测

为了更好地对股票价格进行预测,进而为股民提供合理化的建议,提出了一种在结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的基础上引入注意力机制的股票预测混合模型(LSTM-CNN-CBAM),该模型采用的是端到端的网络结构,使用LSTM来提取数据中的时序特征,利用CNN挖掘数据中的深层特征,通过在网络结构中加入注意力机制——Convolutional Attention Block Module(CBAM)卷积模块,可以有效地提升网络的特征提取能力。基于上证指数进行对比实验,通过对比实验预测结果和评价指标,验证了在LSTM与CNN结合的网络模型中加入CBAM模块的预测有效性和可行性。

• 单位
  通信与信息工程学院; 上海大学