[1]杨亚男,叶善力.基于复合降噪的LSTM综合模型的股指预测研究[J].浙江科技学院学报,2022,(06):465-473.
YANG Yanan,YE Shanli.Research on stock index prediction based on composite noise reduction LSTM comprehensive model[J].,2022,(06):465-473.
点击复制
基于复合降噪的LSTM综合模型的股指预测研究(/HTML)
《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]
- 卷:
-
- 期数:
-
2022年06期
- 页码:
-
465-473
- 栏目:
-
- 出版日期:
-
2023-01-01
文章信息/Info
- Title:
-
Research on stock index prediction based on composite noise reduction LSTM comprehensive model
- 文章编号:
-
1671-8798(2022)06-0465-09
- 作者:
-
杨亚男; 叶善力
-
浙江科技学院 理学院,杭州 310023
- Author(s):
-
YANG Yanan; YE Shanli
-
School of Sciences, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
-
- 关键词:
-
自适应噪声完备经验模态分解; 小波阈值; 长短期记忆神经网络; 股指预测
- 分类号:
-
F224.0
- 文献标志码:
-
A
- 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(longshortterm 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,CEEMDANWTLSTM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%。CEEMDANWTLSTM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。
更新日期/Last Update: