文献类型：期刊文章

作　　者：武大硕[1] 张传雷[1] 陈佳[2] 向启怀[1]

机构地区：[1]天津科技大学人工智能学院,天津300457 [2]天津科技大学信息化建设与管理办公室,天津300457

出　　处：《计算机应用研究》

年　　份：2020

卷　　号：37

期　　号：S01

起止页码：86-87

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：股指预测问题是智能信息处理研究热点之一。提出了基于遗传算法改进的LSTM神经网络股指预测分析方法,并与其他两种基于机器学习的预测方法进行对比分析,分别为基于BP神经网络模型与LSTM网络模型的预测方法。在实验论证中,分别应用三种模型对纳斯达克数据进行预测,实验结果表明所提方法较其他两种方法在股票波动较小的阶段准确度得到了显著提升,在股票波动较大的阶段也可对其基本趋势进行预测。

关 键 词：股指预测 机器学习  遗传算法 特征选择  LSTM  

分 类 号：F831.51[金融学类] TP183]