基于LSTM神经网络的股票日内交易分布预测建模

摘要

股票成交量分布的准确预测能够为VWAP算法提供重要参考,从而达到减少交易成本的目的。成交量预测的传统方法通常将股票成交量分解,再对不同的部分选取合适的模型进行建模预测,但这种方法难以掌握股票成交量的日内周期结构。LSTM网络能高效提取时间序列中蕴含的长期以来关系,为股票成交量的预测提供了新的思路。本文运用LSTM网络对上证50的部分股票2006-2015年10分钟间隔的股票成交量数据进行建模及预测,并与BP网络预测的结果进行对比,结果显示,LSTM网络对日内交易量分布预测的准确性和稳定性都优于BP网络。