基于LSTM 模型的量化投资时间序列数据处理研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：长短期记忆网络（LSTM） 因其强大的序列建模能力，成为时间序列预测任务中的主流深度学习模型。然而，股票数据作为典型的时间序列数据，常常面临数据格式多样、内容错误、非线性和非平稳性、模型数据要求格式高等问题。该文详细阐述了针对LSTM的时间序列数据处理方法，并基于Python语言进行了实证检验。（剩余5835字）

试读结束

目录
monitor
客服