基于模糊K线的FCLSTM-vSVR模型的股票价格预测

股票市场具有不确定性和非线性等特点,因此准确地预测股票价格对投资者来说是一项重大挑战。现有的股价预测模型较为单一,预测精度不高。针对这一问题,提出一种基于模糊K线的长短期记忆(LSTM)网络和支持向量回归多阶段混合模型(FCLSTM-vSVR)。研究第一阶段,基于遗传算法对LSTM网络进行参数寻优,找到时间窗口和隐藏层神经元的最佳值,并利用训练好的LSTM进行股票价格初步预测,计算出股票价格的残差值。第二阶段,利用模糊K线将原始价格序列转换为模糊数据,并作为vSVR模型的输入,利用vSVR模型预测残差值。综合前文论述后,再将两阶段的预测值之和作为最终的股票价格预测值。通过对比实验得出,该模型具有更高的预测准确率,在股票价格的一步预测方面优于其他对比模型。