刘 铭，单玉莹

(长春工业大学 数学与统计学院，长春 130012)

随着经济水平的提高，人民的物质生活极大丰富，越来越多的人选择投资股票进行理财。由于股票价格走势复杂，没有明确的规律，因此如何预测股指的走势成为投资者的一大难题，能够更好地预测股指的走势非常重要。

鉴于股价指数的波动性，如何透过复杂的现象了解股市的走势和资产价格的变动，从而使投资者获得理想的投资收益，是股票投资者特别是机构投资者非常关心的一个重要课题，也是一个需要深入研究的课题。要想选择合适的买入卖出期货的时机来产生超额收益，就必须选择一个合适的模型来有效地预测股价走势或预测未来价值。股市受很多经济和社会因素的影响，是一个复杂的非线性系统。传统的股票投资模型一般假设预测序列是线性或近似线性的，难以高效、准确地预测股指的价格走势，难以提供足够的信息支持股票预测优化投资决策。众所周知，深度学习算法能够从大量的原始时间序列数据中提取特征，无需依赖先验知识，非常适合金融时间序列预测，尤其是LSTM网络由于其循环性结构，具有长期记忆性。但股市是一个随着外部环境变化而变化的环境，随机性强，不同现象之间存在复杂的内在非线性关系，而目前的时间序列预测模型依靠单一的方法直接识别序列，不能充分提取复杂的序列变化信息，所以组合预测方法被提出。……