收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于正则化LSTM模型的股票指数预测

任君  王建华  王传美  王建祥  
【摘要】:针对金融时间序列预测问题,提出正则化长短期记忆神经网络LSTM(Long Short-Term Memory neural network)模型。LSTM模型通过其独特的单元结构,能够深入挖掘出时间序列中的固有规律;采用正则化方法修改LSTM模型的目标函数,优化网络结构,从而选出泛化能力较强的弹性网正则化LSTM模型。将该模型应用于道琼斯指数预测,实验对比表明,该方法计算出的均方根误差最小,预测拟合程度最高。

知网文化
【相似文献】
中国硕士学位论文全文数据库 前1条
1 康凯;基于Skewed-T Realized GARCH模型的沪深300指数波动性研究[D];天津商业大学;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978