基于滑动窗口-变分模态分解的深度学习金融时序预测

基于滑动窗口-变分模态分解的深度学习金融时序预测
江嘉华;徐鹏程;邓小毛
【期刊名称】《电脑知识与技术:学术版》
【年(卷),期】2022(18)34
【摘要】针对金融数据的时序特征,构造了滑动窗口-变分模态分解(SW-VMD)的数据处理方法,对股指收盘价以及收益率时序数据进行分解与重构,把非线性、非平稳的数据序列转换为线性且平稳的数据。

处理后的数据作为长短时记忆神经网络(LSTM)的输入数据,对股票指数未来的收盘价和收益率进行预测分析。

实证分析将趋势准确率作为模型的评价指标,以此反映模型对隔天收盘价和收益率涨跌的预测能力。

结果显示,与无数据分解的模型相比较,采用了数据分解后的LSTM模型在趋势预测准确率上有显著的优化效果。

【总页数】5页(P14-18)
【作者】江嘉华;徐鹏程;邓小毛
【作者单位】广东外语外贸大学数学与统计学院
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于深度经验模态分解的金融市场时序预测
2.基于变分模态分解的极限学习机在金融时间序列预测中的应用
3.基于变分模态分解与注意力机制的海洋风速预测
4.
基于变分模态分解和深度学习的短期电力负荷预测模型5.基于变分模态分解的分频径流预测模型
因版权原因，仅展示原文概要，查看原文内容请购买。