基于CNN与LSTM的深度学习模型对股票价格时间序列的鲁棒分析
统计金融
2021-01-05 v2 机器学习
摘要
股票价格及股价运动模式的预测一直是一个关键的研究领域。尽管著名的有效市场假说排除了准确预测股票价格的任何可能性，但文献中存在形式化的命题，证明了预测系统的精确建模能够使我们以非常高的准确度预测股票价格。在本文中，我们提出了一套基于深度学习的回归模型，在股票价格预测中取得了非常高的准确度。为构建预测模型，我们使用了印度国家证券交易所（NSE）一家知名上市公司在2012年12月31日至2015年1月9日期间的历史股票价格数据。股价在每个工作日的五分钟间隔记录一次。利用这些极高粒度的股票价格数据，我们构建了四个卷积神经网络（CNN）和五个基于长短期记忆（LSTM）的深度学习模型，用于精确预测未来股票价格。我们基于执行时间和均方根误差（RMSE）值，提供了所有提出模型的预测准确度的详细结果。
引用
@article{arxiv.2011.08011,
title = {Robust Analysis of Stock Price Time Series Using CNN and LSTM-Based Deep Learning Models},
author = {Sidra Mehtab and Jaydip Sen and Subhasis Dasgupta},
journal= {arXiv preprint arXiv:2011.08011},
year = {2021}
}
备注
The paper is the accepted version of our work in the 4th IEEE International Conference on Electronics, Communication, and Aerospace Technology (ICECA'20), November 5 - 7, 2020, Coimbatore, INDIA, The paper consists of 10 pages. It contains 12 figures and 8 tables