文档介绍：计算机系统应用 ISSN 1003-3254, CODEN CSAOBN E-mail: ******@
Computer Systems & Applications,2021,30(4):187−192 [doi: .] -s-
©中国科学院软件研究所版权所有. Tel: +86-10-62661041
 
 
基于LSTM神经网络的短期价格趋势预测①
邓飞燕,  岑少琪,  钟凤琪,  潘家辉
(华南师范大学 软件学院, 佛山 528225)
通讯作者: 潘家辉, E-mail: ******@
摘 要: 本文主要对LSTM模型结构改进及优化其参数, 使其预测股票涨跌走势准确率明显提高, 同时对美股周数
据及日数据在LSTM神经网络预测效果展开研究. 一方面通过分析对比两者预测效果差别, 验证不同数据集对预
测效果的影响; 另一方面为LSTM股票预测研究提供数据集的选择建议, 以提高股票预测准确率. 本研究通过改进
后的LSTM神经网络模型使用多序列股票预测方法来进行股票价格的涨跌趋势预测. 实验结果证实, 与日数据相
比, 周数据的预测效果表现更优, %, 而周数据的平均准确率为58%, 使用周数据训
练LSTM模型, 股票预测准确率更高.
关键词: 长短期记忆网络; 股票价格预测; 时间序列; 短期价格; LSTM
引用格式:  邓飞燕,岑少琪,钟凤琪,,2021,30(4):187–192. -s-
-3254/
Short-Term Price Trend Forecast Based on LSTM Neural Network
DENG Fei-Yan, CEN Shao-Qi, ZHONG Feng-Qi, PAN Jia-Hui
(School of Software, South ChinaNormalUniversity, Foshan 528225, China)
Abstract: This study mainly optimizes the structure and parameters of the LSTM model, so that the accuracy of
predicting the trend in stock prices is significantly improved. Besides, we investigate the weekly and daily data on US
stock in terms of predicting the LSTM neural network. On one h