基于事件LSTM模型的股价走势预测

来源：计算机工程与应用杂志2025年第22期北京时间：

作者：吴勰, 赵冠英, 刘宏志, 倪子恒, 孙天琦

单位：1.北京大学 软件与微电子学院，北京 100871；2.北京大学 保卫部，北京 100871

摘要：股票价格走势预测是证券投资领域的关键问题。股价时间序列通常具有非线性、剧烈波动和高噪声等特征，传统预测模型难以有效建模。设计了一种事件LSTM模型，通过改造长短期记忆网络（long short-term memory，LSTM）的细胞结构，将非周期性事件信息和周期性股价信息进行有效融合建模。具体而言，一是在LSTM细胞结构中引入专门的事件控制门，用于处理非周期性事件信息，使模型能够捕捉公司公告等非周期性事件对股价走势的影响。二是在此基础上，利用注意力机制突出历史关键信息的贡献，以缓解噪声数据的干扰，提升股价走势预测的准确性。实验结果表明，提出的模型在预测精度上具有显著优势，并在处理公告事件影响方面表现优异。

关键词：股价走势预测,事件建模,长短期记忆网络,注意力机制