基于深度学习方法的金融时间序列预测研究

随着金融市场不断发展,人们总是多方面地搜集市场信息,旨在把握市场先机。金融时间序列中包含了行为主体的历史信息,通过分析历史信息可以在一定程度上预测将来,从20世纪六七十年代至今,研究人员建立了各种预测模型用以预测金融时间序列。相对于传统时间序列预测模型,本文采用了深度学习的方法对上证指数进行预测,通过对比长短期记忆神经网络模型(LSTM)、引入注意力机制的长短期记忆神经网络模型(AM-LSTM)两种模型预测结果,对比发现AM-LSTM的预测精度更高。本文的研究意义在于:给出了一种预测精度更高的时序预测模型;将不同深度学习方法融合使用的想法能够给其他学者在研究相关问题时提供一种思路上的参考。