基于LSTM的股票价格的多分类预测

摘要

为对股票价格的涨跌幅度进行预测，提出一种基于长短期记忆网络(LSTM)的方法。根据股票涨跌幅问题，通过对涨跌幅度做多值量化分类，将其转化成一个多分类问题。将股票的基本交易信息作为特征输入，利用神经网络对其训练，最后对股票的涨跌幅度做分类预测。数据集分沪深300成分股整体类、银行类和证券类三种股票集，实验结果表明该模型在涨跌幅多分类情况下，有比较好的预测效果；同时，在对某一类股票进行预测时，用该类股票的历史交易信息训练的模型要比以整体股票交易信息训练的模型效果好。