基于BiLSTM-SA-TCN时间序列模型在股票预测中的应用

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：杨智勇，叶玉玺，周瑜

单位：杨智勇,重庆工程职业技术学院 大数据与物联网学院, 重庆, 402260;重庆师范大学 计算机与信息科学学院, 重庆, 401331,叶玉玺,重庆师范大学 计算机与信息科学学院, 重庆, 401331,周瑜,重庆工程职业技术学院 财经与旅游学院, 重庆, 402260

摘要：针对股票预测模型存在时效性和预测功能单一化的问题，本文在长短期记忆网络（LSTM）的基础上，提出了融合自注意力机制（SA）和时间卷积网络（TCN）的双向长短期记忆（BiLSTM）神经网络（BiLSTM-SA-TCN）股票预测模型.BiLSTM-SA-TCN模型中的学习单元和预测单元可以有效学习重要的股票数据，同时能够抓取长时间的依赖信息，输出次日股票收盘价预测值.实验结果表明，BiLSTM-SA-TCN模型在多个数据集上的预测结果更加稳定，模型泛化能力较高，在对比实验中，BiLSTM-SA-TCN模型在大部分数据集上均方根误差最小，平均绝对值误差最小，拟合度R2最优.

关键词：股票价格预测;长短期记忆网络;注意力机制;时间卷积网络

基金资助：重庆市自然科学基金（cstc2021ycjh-bgzxm0088）；重庆市教育委员会科学技术研究计划项目（KJQN201903402）