期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LSTM的量化股票预测
1
作者
赵建群
张岐
王悦
《金融》
2020年第4期366-373,共8页
股票特征通常夹杂较多噪声数据,而带噪数据会影响股票预测模型的预测精度。本文提出一种对股票数据特征进行量化编码的方法,并使用长短期记忆网络构建预测模型,对量化后的数据进行预测。数据集采用沪深300成分股,在对股票数据量化后进行...
股票特征通常夹杂较多噪声数据,而带噪数据会影响股票预测模型的预测精度。本文提出一种对股票数据特征进行量化编码的方法,并使用长短期记忆网络构建预测模型,对量化后的数据进行预测。数据集采用沪深300成分股,在对股票数据量化后进行3分类涨跌幅预测。实验结果表明,使用量化编码对股票特征处理后,预测效果优于使用原始数据预测。
展开更多
关键词
特征量化
LSTM
沪深300
涨跌幅
预测
下载PDF
职称材料
题名
基于LSTM的量化股票预测
1
作者
赵建群
张岐
王悦
机构
广东科贸职业学院经济管理学院
出处
《金融》
2020年第4期366-373,共8页
文摘
股票特征通常夹杂较多噪声数据,而带噪数据会影响股票预测模型的预测精度。本文提出一种对股票数据特征进行量化编码的方法,并使用长短期记忆网络构建预测模型,对量化后的数据进行预测。数据集采用沪深300成分股,在对股票数据量化后进行3分类涨跌幅预测。实验结果表明,使用量化编码对股票特征处理后,预测效果优于使用原始数据预测。
关键词
特征量化
LSTM
沪深300
涨跌幅
预测
Keywords
Characteristic Quantification
LSTM
Shanghai and Shenzhen 300
Forecast of Increase or Decrease
分类号
F83 [经济管理—金融学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LSTM的量化股票预测
赵建群
张岐
王悦
《金融》
2020
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部