摘要
黄玉成和方伟伟。 基于LSTM网络的股价预测研究。现代计算机,2021,27(34):51-55+60。 谷歌学者 邓凤欣和王洪亮。 LSTM神经网络在股价趋势预测中的应用:基于美国和香港股市个人股票数据的研究。 金融经济学,2018(14):96-98。 DOI:10.14057/j.cnki.cn43-1156/f.2018.14.044。 谷歌学者 张伟豪。 基于长短期记忆神经网络的股票时间序列预测。信息与计算机(理论版),2022,34(09):68-72。 谷歌学者 Fischer T和Krauss C.深度学习与长短期记忆网络或金融市场预测。 《欧洲运筹学杂志》,2018(2):270。 谷歌学者 Tino P、Schittenkopf C和Dorffner G。 基于递归神经网络的金融波动交易。 IEEE神经网络汇刊,2001,12(4):865-874。 谷歌学者 数字图书馆 李红英。B神经网络在股市预测模型中的应用——以上海股市收盘指数为例。 中国证券期货,2012(02):36。 谷歌学者 刘佳琪,刘德宏,林田田。基于BP神经网络模型的股票价格研究。 中国商业评论,2018(08):29-30。 DOI:10.19699/j.cnki.issn2096-0298。 2018.08.014. 谷歌学者 梁雪、刘丽英和于文杰。 股票市场预测的小波神经网络模型。 经济研究指南,2018(03):95+126。 谷歌学者 陈伟斌、林毅珍和王宗岳。 股票信息挖掘与LSTM预测。 集美大学学报(自然科学版),2020,25(05):385-391。 谷歌学者 张晓春、徐晓鹏和魏苏林。 LSTM神经网络在股价预测中的应用。 计算机知识与技术,2020,16(28):39-43。 内政部:10.14004/j.cnki.ckt.2020.3163。 谷歌学者 杨玉萌,李兴东。基于GA-LSTM组合模型的股价预测。 现代计算机,2021,27(33):1-7。 谷歌学者 李桂成、李旭和李张。 基于LSTM的股价预测与分析。 智能计算机与应用,2022,12(05):123-128。 谷歌学者 齐晓娜、张玉晶、郑燕娟和冯二英。 股票价格预测中的深度学习算法研究。 软件,2021,42(07):70-72。 谷歌学者 倪章和袁晨。 基于神经网络模型的股价预测研究。 长江信息与通信,2021,34(07):61-63。 谷歌学者 张世杰。 大数据下机器学习在股市预测中的应用。 贵阳大学学报(社会科学版),2021,16(04):43-48。 内政部:10.16856/j.cnki.52-1141/c.2021.04.007。 谷歌学者 洪芳、韩星宇和徐涛。 改进的基于LSTM的库存预测方法。 安徽大学学报(自然科学版),2019,43(06):36-42。 谷歌学者 Kui Fu、Xiaoyan Yin和Qian Wang。 基于LSTM的多特征股票趋势预测研究。 北京邮电大学学报(社会科学版),2020,22(05):17-27。 DOI:10.19722/j.cnki.1008-7729.2020.0018。 谷歌学者 吴立芬、颜学勇、赵季照。 基于RNN模型和LSTM模型的机器诗歌创作研究。 科技创新与应用,2021,11(27):48-50。 谷歌学者 张驰,郭元,李明。人工神经网络模型的发展和应用综述。 计算机工程与应用,2021,57(11):57-69。 谷歌学者
建议
基于长短期记忆和变分模式分解的股票价格混合预测模型研究 摘要 股票市场在许多国家的经济和社会组织中发挥着至关重要的作用。 由于股票价格时间序列具有高噪声、非参数、波动性、复杂性、非线性、动态性和混沌性,因此股票市场预测是一种有效的预测方法。。。