TY -的A2 Elsadany Abdelalim盟——Widiputra Harya AU - Mailangkay,阿黛尔非盟-乔达摩,Elliana PY - 2021 DA - 2021/10/23 TI -多元CNN-LSTM多个平行的金融时间序列预测模型SP - 9903518六世- 2021 AB -在宏观经济层面,股票市场指数的运动,它是由世界各地的其他股票市场指数的波动或在这一地区,是一个主要因素在评估全球经济和金融形势下,随着时间的推移使其监控的一个关键主题。因此,可能可靠地预测未来股票市场指数的价值考虑到贸易关系是至关重要的。研究的目的是创建一个时间序列数据预测模型,其中包括许多时间序列数据分析模型的最佳特性。混合整体模型建立在这项研究是由两个主要组件,每个都有其自己的一组函数来自CNN和LSTM模型。为多个并行金融时间序列估计,该模型称为多元CNN-LSTM。进化的整体模型的有效性COVID-19大流行期间测试使用正则股指从四个亚洲股票市场:上海、日本、新加坡和印度尼西亚。CNN和LSTM相比,实验结果表明,多元CNN-LSTM统计准确性和可靠性最高(RMSE值最小)。这个发现支持使用多元CNN-LSTM预测不同的股票市场指数的价值,它是一个可行的选择研究涉及发展的金融时间序列预测模型研究。SN - 1076 - 2787你——https://doi.org/10.1155/2021/9903518——10.1155 / 2021/9903518 JF - PB - Hindawi KW - ER -复杂性