TY -的A2 -艾哈迈德,赛义德·哈桑AU - Lv,界画AU -王,赵盟——高,魏盟——赵Qiumin PY - 2021 DA - 2021/09/28 TI -一个经济预测方法基于LightGBM-Optimized LSTM和时间序列模型SP - 8128879六世- 2021 AB -股票价格预测在财务决策是非常重要的,也是最困难的部分经济预测。影响股票价格的因素是复杂多变的,和股票价格波动有一定程度的随机性。如果我们能准确地预测股票价格,股票市场的监管机构可以进行合理的监督和投资为投资者提供有价值的决策信息。正如我们所知,LSTM(长短期记忆)算法主要用于大规模数据挖掘比赛,但它尚未被用来预测股票市场。因此,本文使用该算法来预测股票的收盘价。作为一个新兴的研究领域,LSTM优于传统的时间序列模型和机器学习模型和适用于股票市场分析和预测。然而,一般LSTM模型也有一些缺点,因此本文设计LightGBM-optimized LSTM实现短期股价预测。为了验证其有效性与其他深如RNN网络模型(递归神经网络)和格勒乌(封闭的复发性单元),LightGBM-LSTM, RNN,格勒乌分别用来预测沪深300指数。实验结果表明,该LightGBM-LSTM预测精度最高和最好的能力来跟踪股指价格趋势,其效果比格勒乌和RNN算法。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/8128879 - 10.1155 / 2021/8128879摩根富林明计算智力和神经科学PB - Hindawi KW - ER