基于优化VMD再分解的LSTM下的股价预测
王艺涵
路翀
龙洁
雷一鸣
新疆财经大学信息管理学院 新疆乌鲁木齐 830000
摘要：研究设计了一种股价预测混合模型,以应对股价受多种因素影响的挑战.模型结合了完备集合经验模态分解(CEEMDAN)与经粒子群优化(PSO)的变分模态分解(VMD)技术,并使用长短期记忆网络(LSTM)对股价进行预测,旨在处理股票价格中的噪声并提升预测精度.通过与LSTM模型、循环神经网络(RNN)模型、卷积神经网络(CNN)模型和支持向量回归(SVR)模型的对比,实验结果表明,所设计的模型相较于其他模型表现出更高的鲁棒性和准确性,对于金融从业者在制定投资策略时具有指导意义,同时有助于深度学习在股价预测领域的应用,具备实际应用价值.
关键词：股价预测混合模型粒子群优化算法完备集合经验模态分解长短期记忆网络
资助基金：国家自然科学基金(No.62166039)
论文发表日期：2024-07-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 4-11 )