基于MPSO-LSTM模型的股票指数预测研究

摘要

股票数据是具有高度复杂性的时间序列数据。与传统的机器学习和一般的神经网络相比,长短期记忆神经网络处理股票数据具有更好的效果。但是该模型的性能表现对预置参数的设置具有极高的要求,缺乏经验的预置参数会降低其泛化能力和预测性能。针对以上问题,文章提出基于长短期记忆神经网络和改进的粒子群算法的深度学习复合模型MPSO-LSTM。实证表明,该模型的预测性能相比于其他模型具有显著优势,验证了该方法的可行性。