首页 / 新闻中心 / 综合新闻 / 正文

前沿 | 杨青、王晨蔚:基于深度学习LSTM神经网络的全球股票指数预测研究

  发布日期:2019-04-04  浏览次数:

导语:

Geoffrey Hinton, Yann LeCun

和Yoshua Bengio共同获得了2018年的图灵奖

2019年3月27日 ——ACM宣布,深度学习的三位创造者Yoshua Bengio, Yann LeCun, 以及Geoffrey Hinton获得了2018年的图灵奖。近年来,深度学习已经成为了AI领域最重要的技术之一,计算机视觉、语音识别、自然语言处理和机器人取得的爆炸性进展都离不开深度学习.

近期,复旦大学经济学院的杨青和王晨蔚的研究论文《基于深度学习LSTM神经网络的全球股票指数预测研究》一文对全球股票市场指数预测方面展开了探索研究。

杨青 王晨蔚. 基于深度学习LSTM神经网络的全球股票指数预测研究[J]. 统计研究, 2019, 36(3): 65-77.

要:

作为深度学习技术的经典模型之一,长短期记忆(LSTM)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①LSTM神经网络具有很强的泛化能力,对全部指数不同期限的预测效果均很稳定;②LSTM神经网络具有优秀的预测精度,相比三种对照模型(SVR,MLP和ARIMA),其对全部指数的平均预测精度在不同期限上均有提升;③LSTM神经网络能够有效控制误差波动,其对全部指数的平均预测稳定度相比三种对照模型在不同期限上亦均有提高。鉴于LSTM神经网络在预测精度和稳定度两方面的优势,其未来在金融预测中将有广阔的应用前景。

关键词:

长短期记忆(LSTM)神经网络;深度学习;股票指数预测

返回顶部