文献类型：期刊文章

作　　者：党建武[1] 从筱卿[1]

DANG Jianwu;CONG Xiaoqing(School of Software and Internet of Things Engineering,Jiangxi University of Finance and Economics,Nanchang 330013,China)

机构地区：[1]江西财经大学软件与物联网工程学院,南昌330013

出　　处：《计算机工程与应用》

年　　份：2021

卷　　号：57

期　　号：16

起止页码：167-174

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对股票数据共线性和非线性的特点,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)神经网络的混合预测模型,并对沪深300指数、上证综指和深证成指进行了预测。该模型首先采用CNN提取特征向量,对原始数据进行降维,然后利用GRU神经网络学习特征动态变化规律进行股指预测。仿真结果表明,与GRU神经网络、长短时记忆(Long-Short-Term Memory,LSTM)神经网络和CNN相比,该模型能够挖掘历史数据中蕴含的信息,有效提高股指预测的准确率,并可为股指交易提供一些参考。

关 键 词：股指预测 卷积神经网络(CNN)  门控循环单元神经网络  

分 类 号：TP183] F830.91]