-
题名基于小波和神经网络的金融数据预测
- 1
-
-
作者
陈佳骏
-
机构
浙江大学数学系
-
出处
《商情》
2011年第34期20-20,共1页
-
文摘
人工神经网络技术应用于金融数据的预测分析时,首先从金融市场选择历史记录,以及从Internet上得到的所有数据中选择数据;然后把数据分为训练样本集和测试数据集,并把数据变换为适合于人工神经网络输入和输出处理的形式;再用训练样本集对人工神经网络进行训练,用测试数据集对训练的结果进行测试,选择有关神经网络模型和学习方法进行余融数据分析。
-
关键词
小波
神经网络
金融数据预测
-
分类号
F830.49
[经济管理—金融学]
-
-
题名信号分解与融合神经网络的金融数据预测研究
被引量:5
- 2
-
-
作者
金丰
邵清
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2020年第6期1140-1146,共7页
-
基金
国家自然科学基金项目(61703278)资助
国家重点研发计划项目(2018YFB1700902,2018YFB1702601)资助.
-
文摘
针对目前特征+模型的预测方案在金融时序数据上预测精度不足的问题,提出一种基于变分模态分解的长短期记忆神经网络-因子分解机双通道融合模型.首先利用变分模态分解分解金融时序数据,得到能表现时序数据趋势和变化信息的模态,接着将模态信息输入到长短期记忆神经网络-因子分解机双通道融合模型中,长短期记忆神经网络得到数据的时序特征,因子分解机得到数据的交互特征,通过改进的局部连接层融合,使模型能同时表达数据的时序特征和交互特征,提升时序数据预测的效果.以沪深300指数和标普500指数的数据为例,对所提模型进行验证,结果表明其在预测性能和泛化性能上都有明显的优势.
-
关键词
金融时序数据预测
变分模态分解
长短期记忆神经网络
因子分解机
-
Keywords
time series data prediction
variational mode decomposition
long short-term memory neural network
factorization machine
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名优化算法下LSTM模型在金融预测中的准确性研究
- 3
-
-
作者
曾志豪
王金恒
胡丽颖
黄海林
-
机构
广州理工学院计算机科学与工程学院
-
出处
《电脑编程技巧与维护》
2023年第11期60-64,75,共6页
-
基金
2022年省级创新训练项目(S202212668008)基于机器学习的金融数据分析挖掘及应用
2022年广东省本科高校教学质量与教学改革项目-以工作室为载体,构建科产教协同培养卓越工程人才“一一二”新模式探索(1104)。
-
文摘
随着大数据和人工智能技术的快速发展,循环神经网络(RNN)在时间序列数据的预测中表现出很强的性能。长短时记忆网络(LSTM)是一种改进的RNN结构,能够更好地捕捉时间序列数据中的长期依赖关系。通过比较3种LSTM模型(单一模型无加权平均、使用Adam优化器的模型和基于加权平均的多模型融合方法)在金融数据预测中的准确性,对优化算法的LSTM模型的金融数据预测准确性进行研究。
-
关键词
循环神经网络
长短时记忆网络
金融数据预测
优化算法
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
F830
[经济管理—金融学]
-