基于复合降噪的LSTM综合模型的股指预测研究-《浙江科技学院学报》

文章信息/Info

Title:: Research on stock index prediction based on composite noise reduction LSTM comprehensive model

Author(s):: YANG Yanan; YE Shanli; School of Sciences, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China

摘要:: 由于股指序列的预测难度大,为了改善预测精度,我们提出了一种基于复合降噪分解、优化预测和集成的综合研究方法来分析预测股票指数。首先,利用自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法,将股票指数分解为不同频率的分量;然后,利用小波阈值(wavelet threshold,WT)去噪对合并的高频分量进一步降噪,得到新高频分量;最后再运用长短期记忆神经网络(longshortterm memory neural network,LSTM)模型分别对新高频分量、低频分量和趋势项进行预测,将预测结果求和即为股票指数的最终预测值。研究结果显示,CEEMDANWTLSTM在上证指数和深证成指上的平均绝对误差平均降低32.22%,均方根误差平均降低32.64%,决定系数平均提高1.09%。CEEMDANWTLSTM与其他主流金融建模预测相比,其预测误差更低,具有更好的稳定性。本研究结果为股市股指预测提供了一种新方法。