ty -jour a2 -hu，kai au -wang，haiyao au -wang，王股票收盘价预测模型基于CNN -BISLSTM SP -5360828 VL -2021 AB-由于股票市场是国民经济的重要组成部分，因此越来越多的投资者开始关注改善投资回报率的方法并有效避免某些风险。许多因素会影响股票市场的趋势，相关信息具有时间序列的性质。本文提出了一种复合型号CNN-BISLSTM来预测股票的收盘价。双向特殊长期记忆（BISLSTM）在双向长期记忆（BILSTM）上改善了1 - tanh（ X）在输出门中的功能，这使模型更好地预测了股票价格。该模型提取了通过卷积神经网络（CNN）影响股票价格的高级功能，并在CNN处理数据后通过BISLSTM预测股票收盘价。为了验证模型的有效性，从1991年7月1日至2020年10月30日，深圳组件指数的历史数据用于训练和测试CNN-BISLSTM。将CNN-BISLSTM与多层感知器（MLP），复发性神经网络（RNN），长短期记忆（LSTM），BilstM，CNN-LSTM和CNN-BilstM进行比较。实验结果表明，平均绝对误差（MAE），根平方方误差（RMSE）和R-square（ r ²）CNN-BISLSTM的评估指标都是最佳的。因此，CNN-BISLSTM可以准确地预测下一个交易日的深圳组件指数的收盘价，这可以用作大多数投资者的参考，以有效避免某些风险。SN -1076-2787 UR -https：//doi.org/10.1155/2021/5360828 do -10.1155/2021/5360828 JF-复杂性PB -Hindawi KW- hindawi kw -er- er- er-