基于滑动窗口-变分模态分解的深度学习金融时序预测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：针对金融数据的时序特征，构造了滑动窗口-变分模态分解（SW-VMD） 的数据处理方法，对股指收盘价以及收益率时序数据进行分解与重构，把非线性、非平稳的数据序列转换为线性且平稳的数据。处理后的数据作为长短时记忆神经网络（LSTM） 的输入数据，对股票指数未来的收盘价和收益率进行预测分析。实证分析将趋势准确率作为模型的评价指标，以此反映模型对隔天收盘价和收益率涨跌的预测能力。（剩余8183字）

试读结束

目录
monitor
客服机器人