基于长短时记忆网络(LSTM)的上证指数预测

在第四代科技革命,即新信息技术高速发展的背景下,人工智能技术在股票市场中也得以广泛应用。股价综合指数可视为股票市场整体趋势的一种量化描述,对综合指数的变化趋势分析有助于了解股票市场的演化方向。因此,我们利用建立了一个含有200个隐藏神经元的长短时记忆网络以分析上证指数的变化趋势,该模型实现了基于前7个交易日的历史数据的一步预测。由于ADAM具有高效性的优势,我们将其用ADAM与模型训练,并利用正则化方法提高模型的泛化能力。通过仿真实验证明,LSTM模型较好地对上证指数运动的趋势进行了预测,为上证指数预测提供了一个新的研究方向。