数据多维处理LSTM股票价格预测模型

摘要

股票的价格具有非线性、随机性等特征,为更精准地预测股票价格,充分利用股票价格数据的时间相关性和数据自身的变化趋势,提出数据多维处理的LSTM股票价格预测模型.通过对股票价格因子数据进行多维处理,提高数据有效信息,形成可以高度反映股票价格的多维数据,在此基础上建立长短期记忆网络组合预测模型,通过收集股市中的股票数据进行实验.实验结果表明,模型预测值与实际股价数据的均方根误差和平均绝对误差仅为0.0132和0.0103,相较于单一长短期记忆网络预测模型,2项误差分别降低90.81％和91.65％.数据多维处理LSTM股票价格预测模型具有较高的预测精度.