基于深度循环神经网络的多维信息股票价格预测
机器学习
2024-12-02 v1 人工智能
摘要
准确预测股票市场趋势对于做出明智的投资决策和有效的投资组合管理至关重要，从而最终导致财富的增加和风险的缓解。本研究提出了一种新方法，用于利用情感分析和蜡烛图数据(价格)集成卷积神经网络(CNN)和长短期记忆(LSTM)网络来预测股票价格。该方法由两个主要组成部分构成：社交网络和蜡烛数据的情感分析。通过将蜡烛数据与来自Twitter的洞察融合，本方法促进了对市场趋势和模式的更详细和准确的检查，从而导致更有效的股票价格预测。此外，采用随机森林算法对推文进行分类，标记为积极或消极，以便更细致和明智地评估市场情绪。本研究使用CNN和LSTM网络来预测股票价格。CNN提取短期特征，而LSTM建模长期依赖性。将两种网络集成可实现对市场趋势和模式的更全面的分析，从而实现更准确的股票价格预测。
引用
@article{arxiv.2411.19766,
title = {Stock Price Prediction using Multi-Faceted Information based on Deep Recurrent Neural Networks},
author = {Lida Shahbandari and Elahe Moradi and Mohammad Manthouri},
journal= {arXiv preprint arXiv:2411.19766},
year = {2024}
}