基于LSTM和灰色模型的股价时间序列预测研究

来源：南京信息工程大学学报·自然科学版杂志2023年第6期北京时间：

作者：韩金磊，熊萍萍，孙继红

单位：韩金磊,南京信息工程大学 管理工程学院, 南京, 210044,熊萍萍,南京信息工程大学 管理工程学院, 南京, 210044,xpp8125@163.com孙继红,中国教育科学研究院 高等教育研究所, 北京, 100088

摘要：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.

关键词：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

基金资助：国家社科基金一般项目（23BGL232）；教育部人文社会科学研究规划项目（22YJA630098）；江苏省社会科学项目（22GLB022）；大学生创新创业训练计划项目（202210300036Z）