使用深度学习模型预测股票指数的比较研究
机器学习
2023-06-27 v1 人工智能
摘要
在过去的几十年里，时间序列预测已尝试了许多方法，包括传统技术分析、算法统计模型，以及近期的机器学习和人工智能方法。近来，神经网络已被引入预测场景，例如利用短期和长期依赖的 LSTM 和常规 RNN 方法。本研究评估了传统预测方法（如 ARIMA、SARIMA 和 SARIMAX）以及基于 RNN 构建的新型神经网络方法（如 DF-RNN、DSSM 和 Deep AR）。使用来自 Kaggle 的标准 NIFTY-50 数据集，并采用 MSE、RMSE、MAPE、POCID 和 Theil's U 等指标来评估这些模型。结果表明，Deep AR 优于所有其他常规深度学习和传统方法，其 MAPE 最低为 0.01，RMSE 为 189。此外，当训练数据量减少时，Deep AR 和 GRU 的性能并未下降，表明这些模型可能不需要大量数据即可获得稳定可靠的性能。该研究证明，在预测场景中引入深度学习方法显著优于常规方法，并能处理复杂数据集，在天气预测和现实场景中其他时间序列应用等多个领域具有潜在应用价值。
引用
@article{arxiv.2306.13931,
title = {Comparative Study of Predicting Stock Index Using Deep Learning Models},
author = {Harshal Patel and Bharath Kumar Bolla and Sabeesh E and Dinesh Reddy},
journal= {arXiv preprint arXiv:2306.13931},
year = {2023}
}