[1]付乐,胡月,董虹伶,等.多时间尺度下变体生成式对抗网络的股价预测[J].浙江科技大学学报,2023,(01):72-80.
　FU Le,HU Yue,DONG Hongling,et al.Stock price prediction with a variant generative adversarial network in multiple time scales[J].,2023,(01):72-80.
点击复制

多时间尺度下变体生成式对抗网络的股价预测(/HTML)
分享到：

《浙江科技大学学报》[ISSN:2097-5236/CN:33-1431/Z]

卷:
期数:
2023年01期
页码:
72-80
栏目:
出版日期:
2023-03-06

文章信息/Info

Title:
Stock price prediction with a variant generative adversarial network in multiple time scales
文章编号:
1671-8798(2023)01-0072-09
作者:
付乐; 胡月; 董虹伶; 翟佳阳
浙江科技学院 理学院,杭州 310023
Author(s):
FU Le;  HU Yue;  DONG Hongling;  ZHAI Jiayang
School of Science, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
股价预测; 多时间尺度; 生成式对抗网络; 双向长短期记忆网络; 卷积神经网络
分类号:
F832.51
文献标志码:
A
摘要:
股价预测能为公司经营、投资决策和市场监管提供重要依据。【目的】为了避免特征提取不足与预测不准等问题,我们构建了多时间尺度下变体生成式对抗网络对股价涨跌方向进行预测。【方法】首先以双向长短期记忆网络构造生成器,以卷积神经网络构造判别器；然后分别对生成器与判别器在多时间尺度数据上进行博弈训练,提取长期与短期特征后将结果拼接；最后获得预测模型。【结果】选取沪深300指数、建设银行与陕西煤业股价为样本进行实证分析,试验发现沪深300指数涨跌预测准确率达到59.63%,个股数据验证表明本文模型具有一定的稳定性与优越性。【结论】本模型能提高预测股价涨跌的准确率,丰富了金融数据分析方法。

相似文献/References:

[1]许飞飞,胡 月,汪召兵.基于生成式对抗网络的股价预测研究[J].浙江科技大学学报,2022,(03):207.[doi:10.3969/j.issn.1671-8798.2022.03.002 ]
　XU Feifei,HU Yue,WANG Zhaobing.Research on stock price forecasting based on FWGAN model[J].,2022,(01):207.[doi:10.3969/j.issn.1671-8798.2022.03.002 ]

更新日期/Last Update: