基于LSTM和灰色模型的股价时间序列预测研究

作者：韩金磊; 熊萍萍^*; 孙继红

来源：南京信息工程大学学报(自然科学版), 2023, 15(06): 631-642.

DOI：10.13878/j.cnki.jnuist.20221008002

• 股价预测
• 综合预测
• 文本分析
• 误差修正
• 长短期记忆网络(LSTM)
• 灰色模型

影响股价的因素错综复杂，因此在考虑多变量情形下，对时间序列中常用的长短期记忆网络(LSTM)进行修正，并选取股票价格进行预测.首先，采用方差膨胀因子(VIF)进行变量的筛选，再结合自适应提升法(Adaboost)模型查看特征变量的重要程度.其次，用爬虫对投资者情绪进行文本分析，计算情绪指数等指标并揭示其与股价的关系.然后，对格力电器、飞科电器、美的集团3支股票进行股价预测，对比多层感知器(MLP)模型、LSTM模型，并选择适当的模型作为基准模型，在基准模型的基础上加上情绪指数、投资者关注度等指标构建了LSTM-EM模型.进一步，在考虑了投资者情绪后对残差项使用GM(1,1)模型进行修正.实证结果表明，该模型能对股价进行较为精确的预测.

• 单位
  中国教育科学研究院; 南京信息工程大学