數據多維處理LSTM股票價格預測模型

文寶石，顏七笙

(東華理工大學理學院，330013，南昌)

0 引言

股票市場一直受到投資者的青睞，股票價格的變化對投資者的收益有十分重大的影響，因此通過預測未來時刻股票價格進行規避風險是股票研究的一項重要內容[1]，隨著人工智能的不斷進步，深度學習在經濟學領域的優異表現使其得到更為廣泛的研究與應用。支持向量機(Support Vector Machine，SVM)[2]、邏輯回歸(Logistic Regression，LR)[3]、遺傳算法(Genetic Algorithm，GA)[4]、貝葉斯學習(Bayesian Learning，BL)[5]和卷積神經網絡(Convolutional Neural Network，CNN)[6]等機器學習模型都應用于股價預測中，文獻[7]通過采用貝葉斯正則化算法改進傳統BP神經網絡模型，實現預測精度的提高和模型泛化能力的增強，文獻[8]通過主成分分析法和改進果蠅算法對BP神經網絡優化，實現模型收斂速度和預測精度的提升。

隨著循環神經網絡(Recurrent Neural Network，RNN)[9]的發展，RNN被廣泛應用于數據序列的預測，對時序數據分析表現出良好的適應性，但研究表明，隨著工作時間的推移RNN在處理較長時間序列的數據時會忘記之前的狀態信息，導致網絡在優化的過程中會發生梯度消失現象，也被稱作長期依賴問題。通過對RNN網絡單元結構改進提出的長短期記憶網絡(Long Short Term Memory Network，LSTM)[10]彌補了RNN長期記憶能力不足的問題。目前，LSTM網絡已經成功應用于語音識別、文本處理等領域，文獻[11]通過雙向長短期記憶網絡(BiLSTM)，對民航陸空通話進行語音識別，有效降低通話語音識別的錯詞率。文獻[12]通過提出的C-LSTM模型，分別結合卷積神經網絡(CNN)和循環神經網絡的優點，在文本分類問題中取得良好的預測效果。……