文献类型：期刊文章

作　　者：黎镭[1] 陈蔼祥[1] 李伟书[1] 梁伟琪[1] 杨思桐[1]

LI Lei;CHEN Ai-xiang;LI Wei-shu;LIANG Wei-qi;YANG Si-tong(School of Statistics and Mathematics,Guangdong University of Finance ＆ Economics,Guangzhou 510320,China)

机构地区：[1]广东财经大学统计与数学学院,广东广州510320

出　　处：《计算机与现代化》

年　　份：2018

期　　号：11

起止页码：103-108

语　　种：中文

收录情况：IC、ZGKJHX、普通刊

摘　　要：股票市场是个多变且复杂的非线性动力学系统,股票价格是个具有时序性的数据,基于此选用具有时间记忆功能的GRU(Gated Recurrent Unit)递归神经网络模型来处理时间序列数据的预测问题。本文选取上证中18支证券行业股票的日收盘价数据,该数据截止日期为2017年12月29日,每支股票数据量为1000天。本文作了2个实证研究,一方面用GRU递归神经网络预测未来10天的股票日收盘价,实证结果表明,GRU递归神经网络的测试误差和验证误差都比其余2个模型得到的同种类型的误差要小,而GRU递归神经网络在预测未来10天日收盘价的精度达到了98. 3%,体现了GRU强大的学习能力和泛化能力。另一方面,对比序列长度分别为240天、120天以及60天时,GRU递归神经网络的测试误差、预测收盘价的方差以及验证误差。结果表明面对不同序列长度的数据集,GRU预测精度都很高,序列长度为240天的GRU模型得到的测试结果的方差明显低于其他2个,说明其稳定性更好。

关 键 词：股票市场 时间序列 GRU  神经网络 收盘价

分 类 号：O211.2]