基于Hyperband-LSTM模型的股票价格预测研究
作者： | 陈健，刘伟基 |
作者单位： | 上海师范大学bat365中文官方网站 |
本文新意： | 本文将Hyperband算法与LSTM神经网络算法结合，建立Hyperband-LSTM模型解决目前在股票预测任务上因LSTM神经网络重要超参数设定的不确定性和繁杂性，存在预测精度不高和预测效率低下的问题。 |
摘要： | 本文提出将Hyperband算法与LSTM神经网络算法相结合，建立一个适用于股票价格预测的模型——Hyperband-LSTM模型，以解决目前在股票预测任务上因LSTM神经网络重要超参数设定的不确定性和繁杂性而引起的预测精度不高和预测效率低下的问题。同时，以预测沪深300指数收盘价为例进行实证研究，引入Bayes-LSTM和LSTM模型作为对比，实证结果表明Hyperband-LSTM模型比Bayes-LSTM和LSTM模型具备更高的预测精度，并且Hyperband优化比Bayes优化节约近一半的时间成本，即Hyperband-LSTM模型表现出更高的预测效率。此外，本文通过DM检验证实Hyperband-LSTM模型的预测效果显著优于其它模型。最后，本文使用上证50指数和深证100指数进行重复实验，实验结果与沪深300指数的实验结果保持一致，表明Hyperband-LSTM模型具备较强的稳健性。 |
| |
关键词： | Hyperband算法；LSTM神经网络；股票价格预测；DM检验 |
项目资助： | 安徽省哲学社会科学规划项目（编号：AHSKXZX2020D01） |
引用文本： | 陈健，刘伟基. 基于Hyperband-LSTM模型的股票价格预测研究[J].金融管理研究，2022，已接受. |
返回顶部