摘要
金融时间序列数据作为时间序列数据中最为重要的一种数据,其本身具有的价值是不可估量的,如何快速且高效的从金融数据中获取有用的信息,被众多学者所痴迷。为解决这一问题,本文采用网格搜索算法与堆叠式LSTM网络模型相结合的形势来进行股票预测,通过与文献中的LSTM模型、RNN模型以及BiLSTM进行对比,不难发现本文提出的LSTM模型在股票数据预测中具有一定的优势。以“平安银行”为例,决定系数R2比RNN模型提高约3%,比LSTM-2模型提高约14%,比Bi LSTM模型提高约8%。GS-SMLSTM与SMLSTM模型、LSTM-1想比具有明显的预测优势。
