基于LSTM-TCN深度学习模型的股票指数预测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

摘 要：金融时序数据是一个具有序列相关性、非平稳性以及非线性等特征的复杂动态系统，鉴于RNN变体对时间依赖性建模的优势和TCN对全局上下文关系捕捉的能力，本文构建了8种“RNNs+TCN”模型对沪深300指数进行预测。结果表明，耦合模型的综合表现优于基础模型，“RNNs-TCN”的表现最优；“RNNs-TCN”模型中，LSTM-TCN的综合表现最好，与LSTM、TCN相比，预测精度和预测稳定性分别提升13.7%和25.2%、49.3%和58.0%。（剩余10635字）

试读结束

目录
monitor
客服机器人