使用 Neural Prophet 与深度神经网络的股票市场价格预测
人工智能
2026-01-19 v3 机器学习
摘要
股票市场价格预测是一个重要的跨学科研究领域，处于金融、统计学和经济的交叉点。准确预测股票价格一直是各类研究人员关注的焦点。然而，现有的时间序列预测统计方法往往无法有效预测未来股票价格的概率范围。因此，为了解决这个问题，提出了结合深度神经网络的 Neural Prophet(NP-DNN) 来预测股票市场价格。本研究中使用的预处理技术是 Z-score 归一化，它通过消除尺度差异来归一化股票价格数据，使模式更容易被检测到。缺失值插补填补了历史数据中的空白，增强了模型对完整信息的利用，从而实现更准确的预测。多层感知机(MLP) 学习股票市场价格之间的复杂非线性关系，并从输入数据中提取隐藏模式，从而创建有意义的特征表示以获得更好的预测精度。与其他使用融合大型语言模型的方法相比，所提出的 NP-DNN 模型实现了 99.21% 的准确率。
引用
@article{arxiv.2601.05202,
title = {Stock Market Price Prediction using Neural Prophet with Deep Neural Network},
author = {Navin Chhibber and Sunil Khemka and Navneet Kumar Tyagi and Rohit Tewari and Bireswar Banerjee and Piyush Ranjan},
journal= {arXiv preprint arXiv:2601.05202},
year = {2026}
}
备注
Accepted at 2nd International Conference on Software, Systems and Information Technology (SSITCON) 2025