通过优化LSTM模型性能与比较分析提升金融风险预测
机器学习
2024-06-03 v1 人工智能
摘要
本文聚焦于LSTM模型在金融风险预测中的应用与优化。该研究首先概述了LSTM的体系结构和算法基础，然后详细阐述了模型训练过程和超参数调优策略，通过实验调整网络参数以提升性能。比较实验表明，优化后的LSTM模型在AUC指标上相较于随机森林、BP神经网络和XGBoost具有显著优势，验证了其在金融风险预测领域的效率和实用性，尤其是在处理复杂时间序列数据方面的能力，为该模型在实际生产环境中的应用奠定了坚实基础。
引用
@article{arxiv.2405.20603,
title = {Advancing Financial Risk Prediction Through Optimized LSTM Model Performance and Comparative Analysis},
author = {Ke Xu and Yu Cheng and Shiqing Long and Junjie Guo and Jue Xiao and Mengfang Sun},
journal= {arXiv preprint arXiv:2405.20603},
year = {2024}
}