-
题名基于K-means-LSTM模型的证券股价预测
- 1
-
-
作者
肖田田
-
机构
安徽建筑大学数理学院
-
出处
《科技和产业》
2024年第3期210-215,共6页
-
基金
安徽省高校自然科学研究项目(KJ2020A0479)
安徽建筑大学博士启动基金(2020QDZ20)。
-
文摘
鉴于股票数据具有非平稳、非线性等特征,传统的统计模型无法精准预测股票价格的未来趋势。针对这个问题,构建一种混合深度学习方法来提高股票预测性能。首先,通过将距离算法修改为DTW(动态时间归整),令K-means聚类算法拓展为更适用于时间序列数据的K-means-DTW,聚类出价格趋势相似的证券;然后,通过聚类数据来训练LSTM(长短时记忆网络)模型,以实现对单支股票价格的预测。实验结果表明,混合模型K-means-LSTM表现出更好的预测性能,其预测精度和稳定性均优于单一LSTM模型。
-
关键词
股票价格预测
k-MEANS
DTW(动态时间归整)
k-means-lstm(k均值-长短时记忆网络)混合模型
-
Keywords
stock price prediction
k-means
DTW
k-means-lstm(k-means-long short-term memory)hybrid model
-
分类号
F830
[经济管理—金融学]
-