基于LSTM-CNN-CBAM模型的股票预测研究

2021-02-04赵红蕊

计算机工程与应用 2021年3期

赵红蕊，薛雷

上海大学通信与信息工程学院，上海200444

随着计算机科学和市场经济的快速发展，股票市场作为资本市场的重要组成部分，成为了政府、上市公司、投资机构以及一些个人投资者的关注热点。股票市场是国民经济发展变化的“晴雨表”和“报警器”，其行情的变化与国家的宏观经济发展、法律法规的制定、政治事件的发生、公司的财务状况和政策、投资者心理、舆论引导等等都有所关联，从而导致股票价格具有高度的波动性与不规律性，因此合理准确地预测股票价格的变化趋势成为许多业界学者的主要探索和研究方向。

随着大数据时代的发展，像支持向量机[1]、决策树[2]、随机森林[3]以及深度学习算法[4]等机器学习算法模型被广泛应用于股票等金融数据研究。由于股票数据具有数据量大，信息模糊，长记忆性，非线性和非平稳性等特征，传统的机器学习算法并不能取得较好的预测效果，而深度学习模型与传统的机器学习模型相比有着更为强大的学习能力和自适应能力[5]，对非线性系统可以更好地进行预测分析。

LSTM[6]神经网络作为深度学习算法模型中的一种新型递归神经网络模型受到了广泛的关注，由于其具备良好的选择性、记忆性以及时序内部影响的特性极适用于股票价格时间序列的预测，因此具有广阔的应用前景。