基于LSTM-ARIMA模型股票预测研究

随着理财观念的不断深化,股票作为金融资产在资本市场的投资价值逐渐显现。因此,对股票价格的预测越来越成为当下专家学者的研究重点。其中,股价涨跌幅趋势的研究能够帮助投资者制定个性化选股策略,从而提高可行性、降低风险,以此达到投资收益率最大化。本文选取不同领域的6支股票进行分析,经过相关性分析和熵权法权重分析后确定收盘价作为股价评价指标,选用2018年2月2日至2022年3月30日收盘价时序列数据数据建立LSTM神经网络进行长期股价走势分析,选用2021年6月1日至2022年3月30日收盘价建立ARIMA模型进行短期股价走势分析,结合拟合值、真实值和模型预测误差,结果显示预值和真实值相差不大。由测试结果可以得出结论,LSTM神经网络模型对于长期时间序列数据预测结果拟合精度高,ARIMA模型对于短期走势走势拟合程度高。因此,结合LSTM神经网络模型和ARIMA模型模型可以对长短期股价进行预测分析,能够得到一个较为精确的预测走势。

远洋运输业上市公司运营能力及应对策略研究--以中远海运控股股份有限公司为例

以中远海运控股股份有限公司为例,从2016年-2020年年报和2021年第三季度报中获取中远海运的相关财务指标,分别从偿债、运营等方面对企业的财务情况进行分析剖析,并对企业的后续发展提出相关对策建议。