LSTM模型在中国A股市场的应用

摘要

本文通过研究人工智能技术中的LSTM神经网络模型在金融领域上的建模方法,将LSTM模型应用到中国A股沪深300指数的每日收益率涨跌趋势的预测中,构建了采用"开盘价"、"收盘价"、"最高价"、"最低价"和"成交量"预测收益率的多变量LSTM模型.实证结果表明数据的非平稳性降低了LSTM模型的预测精度,且LSTM的预测精度随隐含层数呈同向变化,随输入跨度呈反向变化,而随隐层神经元个数的影响波动较大,未表现出规律变化趋势.相比SVR模型,LSTM模型的预测精度有了一定程度的提升.