基于 Pytorch 的 LSTM 模型对股价的分析与预测

来源：计算机技术与发展杂志2021年第01期北京时间：

作者：张康林;叶春明;李钊慧;王锦文

单位：1. 上海理工大学 管理学院,上海 200093; 2. 南昌大学 公共管理学院,江西 南昌 330000 Author(s): ZHANG Kang-lin1 ;YE Chun-ming1 ;LI Zhao-hui1 ;WANG Jin-wen2 1. Bussiness School of University of Shanghai for Science and Technology,Shanghai 200093,China;2. Public Administration School of Nanchang University,Nanchang 330000,China

摘要：股价预测一直都是股票投资者重点关注和重点研究的方向,针对股价具有高度非线性、高噪声、动态性等问题,提出一种基于自组织特征映射(SOM) 神经网络和长短期记忆网络(LSTM) 共同应用的股价预测方法。 第一步聚类,使用python 语言实现改进的自组织特征映射神经网络算法,将 187 支股票分成三类,三类股票以盈利能力大小进行聚类,并且求出每一类所包含的股票代码;第二步预测,基于 Pytorch 深度学习框架构造长短期记忆网络模型,分别对每一类中随机的3 支股票进行股价预测,再通过均方误差和决定系数对预测结果进行评价。结果表明,在使用相同的预测模型对不同盈利能力的股票做股价预测时,盈利能力越大的股票,预测精度越高。 此研究可以为投资者筛选出盈利能力更大的股票,并且在提高股价预测精度上也具有一定的贡献。

关键词：Pytorch;自组织特征映射;长短期记忆网络;股票价格;聚类;预测