E-V-ALSTM模型的股价预测

来源：计算机工程与应用杂志2023年第6期北京时间：

作者：邓德军, 徐洪珍, 韦诗玥

单位：1.东华理工大学 信息工程学院，南昌 330013；2.东华理工大学 软件学院，南昌 330013；3.江西省网络空间安全智能感知重点实验室，南昌 330013

摘要：针对股票价格非平稳、非线性、高复杂和随机波动等特性使其预测难度大的问题，提出一种基于E-V-ALSTM混合深度模型的股票价格预测方法。使用经验模态分解（EMD）对股票价格数据进行第一次分解，得到若干固有模态函数（IMFs）和一个残差（Res），降低了股票价格数据的非平稳性和非线性；使用样本熵（SampEn）对这些IMFs进行复杂性评估；将复杂度高于一定阈值的IMFs使用变分模态分解（VMD）进行二次分解，以降低股票价格数据的复杂性；通过加入注意力机制的长短期记忆神经网络（LSTM）模型进行预测，捕捉关键时间点特征信息，重新赋予权重，以解决股票价格数据的随机波动性，提升预测方法的精确度。对沪深300指数和德国DAX指数等数据集上的实验结果表明，该模型比其他对比模型能进一步提高股票价格预测的准确性。

关键词：股票价格预测,二次分解,样本熵,注意力机制,长短期记忆神经网络（LSTM）