刘瑜儒 周龙武 庞利

摘要：在量化金融领域中，如何对股票价格进行准确的预测，成为当前研究的重要问题。LSTM网络算法的出现，较好地解决了股票价格预测的复杂序列化数据学习问题。但是，当前研究结果表明，若是单一采用LSTM算法仍然存在预测不平衡、局部极值不准确等问题。GA（遗传算法）的解释在当前金融界中尚没有一定准确定论，但是其在解决调参问题上有着突出效用。在构建新型股票价格预测模型时，首先可以采用LST神经网络算法对收盘价进行预测，然后采用GA遺传算法保证模型预测的准确性，通过辨别机制，最终获取股票价格涨跌信号。基于此，文章针对现有LSTM模型的原理及应用进行了综合分析，并突出说明了LSTM-GA在股票价格预测领域中的应用。

关键词：LSTM记忆神经网络;GA遗传算法;股票;价格涨跌预测模型

随着金融市场的发展，股票价格的预测一直以来都受到人们的关注。然后，股票市场受到的因素较多，对其趋势预测的波动性较大，不仅预测算法较为复杂，还会受到现实情况的掣肘，从而导致预测结果不准确。传统股票价格预测技术大致可以分为技术预测和聚类预测两种类型。本文主要是基于技术预测的基础之上，探究当前LSTM长短期记忆神经网络在股票价格预测中的突出效用，然后充分采用ANN（人工神经网络）、时间序列模型、SVM向量机以及技术预测中的随机性算法来优化股票价格涨跌预测模型。

随着当前智能化技术的深入，ANN（人工神经网络）在处理复杂关系问题上面，被证实了有着突出的作用，但是，由于受到网络测试和人工速度的影响，计算效率较为缓慢。……