股票市场是买方和卖方的集合，股票的发行、购买和出售都发生在这里。由于波动性，预测股票价格是一个值得关注的问题。历史股价和历史价格数据揭示了这些因素的影响。由于股票数据是时间序列，利用时间序列预测模型可以准确地进行预测。LSTM（Long-Short-Term Memory）模型是一种特殊的RNN（Recurrent Neural Network）模型，基于用于预测股价的时间序列预测。由于其独特的结构，LSTM没有长期依赖性。这项研究的重点是考虑到公司2019年的低价和高价的主要IT公司。但是，预测中考虑了中间价，即低价和收盘价的平均值。与其他属性相比，采用中等价格的基于LSTM的方法在预测值和使用LSTM模型预测的准确性方面是有效的。我们的结论是，本模型在降低均方误差的情况下，对股票价格的预测更有效<\/p> “，”DOI“：”10.4018\/ijcini.20211001.oa3“，”type“：”期刊文章“，”created“：｛”日期部分“：[[2021,8,25]]，”日期时间“：”2021-08-25T17:20:50Z“，”时间戳“：1629912050000｝，”page“：”1-12“，”source“：”Crossref“，”被count引用“：1，”title“：[”基于LSTM的IT行业公司股价走势预测方法“]，”prefix“：”10.4018“，”volume“：”15“，”作者“：[{”ORCID“：”http://\/ORCID.org\/00000-0002-6252-8041“，”authenticated-ORCID“：true，”给定“：”Shruthi Komarla“，”family“：”Rammurthy“，”sequence“：”first“，”affiliation“：[}”name“：”Global Academy of Technology，Bengaluru，India“}]}，{”ORCID“”：”http://\\ORCID.org\/000-0002-3797-9449“，”authenticated-ORCID”：true、“给定”：“Sagar”B.“，”family“：”Patil“，”sequence“：”additional“，”affiliation“：[{”name“：”KLE Technology University，Hubli，India“}]}]，”member“：”2432“，”container-title“：[”International Journal of Cognitive Informatics and Natural Intelligence“]，”original title“：[]，”language“：”ng“，”link“：[}”URL“：”https:\/\/www.igi-global.com\/viewtitle.aspx？TitleId=285520“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,16]]，”date-time“：“2023-01-16T21:48:35Z”，”timestamp“：1673905715000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/services.igi-global.com//resolvedoi\/resolve.aspx？doi=10.4018\/IJCINI.20211001.oa3“}}，”subtitle“：[”“]，”shorttitle“：[]，”issued“：{”date-parts“：[2021,8,25]]}，“references-count”：0，”journal-issue“：{“issue”：“4”，“published-print”：{“date-part”：[2021,10]}}、“URL”：“http://\/dx.doi.org\/10.4018\/IJCINI.202110 01.oa3“，”关系“：{}，”ISSN“：[”1557-3958“，”1557-39“]，”ISSN-type“：[{”value“：”1557-38“，”type“打印“}，{”值“：”1557-3966“，”类型“：”电子“}]，”主题“：[]，”发布“：{”日期部分“：[[2021,8,25]]}}}