文献类型：期刊文章

作　　者：刘铭[1] 单玉莹[1]

LIU Ming;SHAN Yuying(College of Mathematics and Statistics,Changchun University of Technology,Changchun 130012,China)

机构地区：[1]长春工业大学数学与统计学院,长春130012

出　　处：《重庆理工大学学报（自然科学）》

基　　金：国家自然科学基金项目(61503150);吉林省自然科学基金项目(20200201157JC);吉林省教育厅科学技术项目(JJKH20191295KJ)。

年　　份：2021

卷　　号：35

期　　号：12

起止页码：269-276

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：股指是投资者用来规避股市风险的工具,为了对金融股指进行有效预测,采用了一种基于经验模态分解(EMD)和长短期记忆网络(LSTM)模型的组合预测方法,对股指进行统计性描述,发现中国3个股指的波动具有明显区别,就这一特征对数据进行建模。建立传统时间序列模型及机器学习模型共7种模型,经对比研究发现:EMD-LSTM模型在预测沪深300股指收盘价和深证成指收盘价上具有较好的效果,预测上证指数收盘价时LSTM模型具有较好的效果,从而分析出数据波动大小对于模型的预测效果有一定的影响,可以根据数据波动性来选择适合的股指预测模型。

关 键 词：股票指数 金融预测 EMD-LSTM  深度学习  经验模态分解

分 类 号：F832.5[金融学类]