基于SARIMA和LSTM组合预测模型
丁锐1
李伟2
王若舟2
1.武汉邮电科学研究院 武汉 4300742.武汉烽火信息集成技术有限公司 武汉 430074
摘要：目前对于股票数据预测相对比较成熟的模型有时间序列模型和神经网络模型等.不同的模型对于股票的预测都有一定的现实意义,但是股票这种时间序列数据相对比较复杂,仅使用一种模型来预测具有一定的局限性,所以论文提出一种季节时间序列和神经网络的组合模型对近两年的股票数据进行分析与预测,为未来一定时间内股票数据的走势提供分析依据.将获取的股票数据分别进行季节时间序列模型预测和LSTM神经网络模型预测,最后将季节时间预测的数据放入RNN-LSTM神经网络中对预测的数据进行矫正,得到最优预测值.通过实验分析结果表明,SARIMA模型短期预测准确长期预测能力不足,但是通过神经网络的矫正可以达到长期准确的预测,可见基于SARIMA和LSTM组合预测模型具有更高的准确性和有效性.
关键词：预测SARIMALSTM神经网络
分类号：TP183(自动化基础理论)
论文发表日期：2020-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 304-307,337 )
英文信息