随着我国经济制度和保障体制的不断完善,股票市场变得越来越热门,每年投资者的数量都在不断增加,所以如何有效地对股票价格进行预测成为研究领域的一个热门。
本文基于长短期记忆网络(LSTM,Long Short-Term Memory)神经网络模型,建立股价预测模型。训练数据选取了贵州茅台股票数据,然后选取其开盘价、收盘价、最高价和最低价作为四个输入特征进行训练。在优化算法方面,本文选择了很适用于LSTM模型的Adam(Adaptive moment estimation)算法。在模型结构方面,本文通过不断地修改学习率和训练轮数,调整模型的精确度。特别地,为获得更好的预测结果,本文对上述模型进行了改进,将三层神经网络改进为四层神经网络,实现新模型的均方误差(MSE,Mean Square Error)相比旧模型同输入特征的MSE下降了约47%。
从实验结果来看,在预测短期内的股价时,本模型的效果较好;在预测长期内的股价时,预测值和实际值有一定的差距,但是预测值的趋势和实际值的趋势大体一致,所以该模型在股价预测上有一定的实用价值。
1