基于组合 LSTM 的股票价格预测方法

来源：计算机技术与发展杂志2022年第S1期北京时间：

作者：邱凯星;伍文燕;陈卓

单位：1. 广东工业大学 计算机学院,广东 广州 510006;2. 广东工业大学 自动化学院,广东 广州 510006

摘要：在股票基金等二级投资市场上,投资人员往往依靠公司基本面分析、财报营利情况、结合 MACD 和 KDJ 等指标形成投资决策,难以把握非线性时间序列的股票价格走势。 针对以上情况,为提高传统时间序列模型因时间窗口选择所造成的预测精度受限等问题,提出一种基于组合 LSTM 的股票价格预测方法。 该方法使用多时间窗口综合预测的思路,可在多个不同时间跨度上学习股票的历史价格规律及趋势,从而进行有效的股票价格预测,相比于传统的非时间序列模型与单一时间序列模型具有更好的全局感受野与鲁棒性,有助于证券从业人员与个人投资者形成投资决策。 实验结果表明,本模型在 MSE、RMSE 和 MAE 三个误差指标上相比于普通的 LSTM 网络分别降低了 6. 80% 、3. 47% 和 4. 67% ,提升了股票价格预测的准确率并具有较好的普适性。

关键词：LSTM;股价预测;深度学习;时间序列模型;时间窗口