基于CEEMDAN-GRU模型的股票市场指数预测研究

摘要

本文通过构建CEEMDAN-GRU模型对股票市场指数进行预测.首先,利用CEEMDAN方法将原数据分解成不同频率的长、短周期序列和趋势项;然后,利用GRU神经网络模型对各分序列及趋势项进行拟合、预测;最后,经过合成得到原时序数列的整体预测.以沪深300指数为例对该方法进行检验,结果显示:在270日的验证集里涨跌预测胜率达到82.96％;与其他基于机器学习方法建立的预测模型的预测结果相比,四个评价指标均显示CEEMDAN-GRU模型预测结果一致优于其他模型方法,具有更高效率和更小预测误差.