来源：安徽大学学报自然科学版
改进型基于LSTM的股票预测方法
作者：方 红¹ 韩星煜² 徐 涛³
(1.上海第二工业大学 文理学部
2.伦敦大学学院 计算机科学系）
来源：安徽大学学报（自然科学版）
2019.43(6):36-42
摘要
针对当前长短时循环神经网络(long short-term memory，简称LSTM)在对股票预测时普遍存在的滞后性问题，提出一种改进型基于LSTM的股票预测方法.首先通过多维度向量输入，选取与股票价格相关系数较高的其他公司的每日股票收盘价，结合预测股票自身价格数据作为模型的输入向量；其次通过特征工程选取不同的特征向量作为输入向量，通过反复训练得到可以明显降低预测滞后性的特征向量组合;最后通过对与股票公司相关的新闻文本进行情感分析，将得到的情感分值作为模型输入向量.腾讯公司股票的预测结果表明，该方法在提高预测准确度的同时，明显改善了预测的滞后性.
中文核心期刊
中国科技核心期刊
官方网址：http//ahdxzkb.paperopen.com
来源：gh_3372ade78328 安徽大学学报自然科学版
原文链接：http://mp.weixin.qq.com/s?__biz=MzU3NjAzMTEzNg==&mid=2247484233&idx=6&sn=44a46e4e7d15a365acbfff0c7cc31341&chksm=fd1b5386ca6cda90441653d3dc2e70d0477f522d914331060640aa4d0fe2b6150a8e29f60848&scene=27#wechat_redirect
版权声明：除非特别注明，本站所载内容来源于互联网、微信公众号等公开渠道，不代表本站观点，仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。
电话：（010）86409582
邮箱：kejie@scimall.org.cn
