田贤忠，胡安娜，顾思义

(浙江工业大学 计算机科学与技术学院，浙江 杭州 310023)

股票市场因具有高风险和高收益并存的特点，已成为当今社会的热门话题之一。股票市场行情不仅关系到股民的切身利益，还影响社会经济体系，因此有大量学者都投身于股票市场的预测研究，并提供合理预测股票价格变化趋势的方法。但是影响股票市场的因素众多，例如国家宏观经济的发展、法律法规的制定、公司的运营以及股民的信心等，这使得对股票价格走势的预测具有极大的挑战性。在股票市场研究的历史中，不同的研究方法针对不同股票市场的预测均有显著的效果，例如人工智能方法、分形结构方法[1]和时间序列分析方法等。同时，也衍生了如时间序列模型、神经网络模型和隐马尔可夫模型[2]等各式各样的研究模型。其中，人工智能方法的股票市场预测研究中，机器学习算法以及深度学习网络模型已被广泛运用，例如决策树[3]、遗传算法和支持向量机[4]等。褚文华[5]建立了三层BP神经网络并且分析收敛速度，当选择的数据合理时，拟合效果会更加准确，最终得到股票在短时间内的趋向，从而说明BP神经网络对股票价格的预测具有可行性和合理性；彭燕等[6]结合LSTM(Long short-term memory)递归神经网络的特性和股票市场的特点，对数据进行插值、小波降噪和归一化等预处理操作，然后推送到搭建的不同LSTM层数与相同层数下不同隐藏神经元个数的LSTM网络模型中进行训练与测试。……