摘要
为了提高金融时序预测的准确性及泛化性,文章提出了基于主成分分析法和注意力机制来优化长短时记忆模型(PCA-Attention-LSTM)的消费行业板块指数预测方法。首先对指数日常数据生成技术指标,然后通过主成分分析法提取重要特征,根据长短时记忆神经网络(LSTM)学习输入特征的内部变化规律,并利用注意力机制计算LSTM隐层状态的不同权重,最后结合注意力权重和LSTM神经网络进行指数预测。结果表明,优化后的LSTM模型对消费行业板块指数走势具有较强的预测能力。此外,在预测方法的基础上引入了股票的异同移动平均线和均线指标,提供了一种每日轮动自动捕捉交易点的短频量化交易策略。
出处
《统计与决策》
北大核心
2023年第6期143-148,共6页
Statistics & Decision
基金
国家自然科学基金资助项目(11774311,10904128)。
