使用深度学习模型进行股票价格预测
机器学习
2019-09-27 v1
摘要
金融市场在现代社会的发展中起着至关重要的作用。它们允许经济资源的配置。股票价格的变化反映了市场的变化。在本研究中，我们专注于通过深度学习模型预测股票价格。这是一项具有挑战性的任务，因为与股票价格相关的信息中存在大量噪声和不确定性。因此，本工作使用带一维（1-D）残差卷积网络的稀疏自编码器（一种深度学习模型）来对数据去噪。随后使用长短期记忆（LSTM）预测股票价格。过去的价格、指数和宏观经济变量被用作预测次日价格的特征。实验结果表明，1-D残差卷积网络比结合小波变换（WT）与堆叠自编码器（SAEs）的模型能更好地去噪数据并提取深层特征。此外，我们比较了以股票价格的两种不同预测目标建模的性能：绝对股票价格与价格变化率。结果表明，通过价格变化率预测股票价格优于直接预测绝对价格。
引用
@article{arxiv.1909.12227,
title = {Stock Prices Prediction using Deep Learning Models},
author = {Jialin Liu and Fei Chao and Yu-Chen Lin and Chih-Min Lin},
journal= {arXiv preprint arXiv:1909.12227},
year = {2019}
}