B样条与LSTM结合的时间序列建模方法研究——以股票收盘价数据为例

摘要

时间序列是指将某种统计指标的数值按照时间顺序排列所形成的序列,对时间序列进行分析预测有助于我们提前判断、减少潜在风险,在生产和生活中都有着重大的意义。常见的时间序列数据包括股票数据、商品日销量以及每日的气候等等。其中股票数据是一个高度复杂的非线性系统,对股票长期趋势的预测一直是一个令人感兴趣的话题。本文以股票收盘价数据为例,提出一种新的思路,对时间序列数据进行建模并预测。首先采用B样条回归对股票价格与时间变量之间的非线性关系进行建模。由于B样条曲线只能在一个提前给定的区间内进行拟合,对区间外的预测问题无能为力,因此,为解决这个问题,本文将B样条回归与长短期记忆(Long Short-Term Memory)神经网络模型相结合,构建LSTM-Bspline模型,通过训练神经网络来获取B样条曲线的参数,从而获得预测值。最后通过对某公司股票每日收盘价数据进行分析预测,并将预测结果与经典LSTM神经网络预测结果相比较,证明了LSTM-Spline模型的可行性。