文件名称：使用随机神经网络预测股市-研究论文
文件大小：1.02MB
文件格式：PDF
更新时间：2024-06-29 20:44:07
Artificial Neural Networks
投资者和股票经纪人的主要目标是通过能够预测金融市场来获利。 然而，预测是一项复杂的任务，因为金融市场具有复杂的模式。 本研究针对日本日经 225 指数的股票价格指数方向进行了比较。该研究比较了两种预测模型，即随机神经网络 (SNN) 和长短期记忆与随机神经网络 (LSTM – SNN) 的融合，用于预测指数。 输入层包括使用股票市场参数（开盘价、最高价、最低价、收盘价和成交量）计算 15 项技术指标。 使用价格和趋势性能指标评估每个预测模型的准确性。 评估是针对东京证券交易所（TSE）2007年1月23日至2013年12月30日的历史数据进行的。 实验结果表明，对于 SNN，该模型给出了 85.37% 的准确率，而 LSTM – SNN 的混合给出了 86.28% 的准确率。 LSTM – SNN 准确率的提高是由于引入了 LSTM 层。 实验结果还表明，当将这些技术指标添加到所提出模型的输入层时，两种预测模型的性能都会提高。