引入商品信息的股票价格趋势预测

摘要

尽管股票的价格趋势与和它相关的商品的价格趋势存在一定的联系,目前还没有使用相关商品的信息预测股票价格的研究。提出一种引入商品信息的股票价格趋势预测方法,使用与预测的股票相关的商品信息提高方法的性能。首先,该方法获取股票和商品价格的原始数据并进行数据预处理,具体包括技术指标计算、特征时间窗口和标签的生成与数据归一化,然后,该方法构建由基于LSTM网络的高维特征提取器和基于MLP网络的分类器,在数据集上训练、评估该模型;使用贝叶斯优化模型进行超参数调优;最后,得到使用最优的超参数组合的预测模型。本文提出的方法在山东黄金和黄金主力期货数据集上进行实验,在测试集上的预测准确率达到57.26%,模拟交易的收益率为122.67%,夏普比例为2.47,最大回撤率为-18%。这一结果优于作为对比的基线预测方法和交易策略,说明所提出的方法的有效性。