基于循环神经网络和深度学习的股票预测方法 |
| |
作者姓名: | 黄丽明 陈维政 闫宏飞 陈翀 |
| |
作者单位: | 北京大学 信息科学与技术学院,北京,100871;北京师范大学 政府管理学院,北京,100875 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金 |
| |
摘 要: | 本文提出一种基于多路循环神经网络与深度学习的股票预测方法。针对股票的涨跌预测问题,使用分布式向量表示方法提取出股票相关的新闻文本特征,同时考虑到股票相关信息的时序性以及新闻影响的持续性特质,使用多路循环神经网络模型对所提取的特征与交易信息进行协同训练,从而获得历史信息的低维向量表示。最后将多个循环神经网络的输出进行拼接,利用深度神经网络共同对股票的涨跌进行分类预测。本文使用上证A股的价格与新闻数据进行实验,实验结果表明,本文所提出的方法在股票预测任务上具有明显的优越性。
|
关 键 词: | 股票预测 循环神经网络 深度学习 长短期记忆 |
本文献已被 CNKI 万方数据 等数据库收录! |
|