基于循环神经网络的股指价格预测研究

利用基于注意力机制的循环神经网络构建股指价格的预测模型,可以很巧妙地提取出股指价格的各类影响因子的深层特征,与简单的单因子循环网络或者传统的多因子循环网络相比,该网络能够提高股指价格预测的准确性。为了加快模型的训练速度,减少模型参数量,在具体实验中,采用了去除注意力机制中解码环节的循环网络。仿真实验表明:在上证50股指每分钟价格的预测问题上,该网络模型比其他的传统网络模型的预测精度更高,而且预测效果与不去除解码环节的网络相比无明显差异,并且模型加快了对数据的处理速度,证实该方法是一种有效的股指价格预测方法。

基于主成分分析法与BP神经网络的股指期货价格预测

本文基于主成分分析法与BP神经网络相结合的模型对沪深300期货合约价格进行预测分析,研究发现,采用主成分分析法与BP神经网络相结合的进行预测分析,具有收敛速度快、预测精度高的优点。