基于CNN和GRU的混合股指预测模型研究.pdf

文档介绍：Computer Engineering and Applications 计算机工程与应用 2021，57（16） 167
基于 CNN 和 GRU 的混合股指预测模型研究
党建武，从筱卿
江西财经大学 软件与物联网工程学院，南昌 330013
摘 要：针对股票数据共线性和非线性的特点 ，提出了一种基于卷积神经网络（Convolutional Neural Network，
CNN）和门控循环单元（Gated Recurrent Unit，GRU）神经网络的混合预测模型，并对沪深 300 指数、上证综指和深证
成指进行了预测。该模型首先采用 CNN 提取特征向量，对原始数据进行降维，然后利用 GRU 神经网络学****特征动
态变化规律进行股指预测。仿真结果表明，与 GRU 神经网络、长短时记忆（Long-Short-Term Memory，LSTM）神经网
络和CNN相比，该模型能够挖掘历史数据中蕴含的信息，有效提高股指预测的准确率，并可为股指交易提供一些参考。
关键词：股指预测；卷积神经网络（CNN）；门控循环单元神经网络
文献标志码：A 中图分类号：TP183； doi：.1002--0236
Research on Hybrid Stock Index Forecasting Model Based on CNN and GRU
DANG Jianwu, CONG Xiaoqing
School of Software and Internet of Things Engineering, Jiangxi University of Finance and Economics, Nanchang 330013, China
Abstract：Aiming at the collinear and nonlinear characteristics of stock data, a hybrid forecasting model based on Convo-
lutional Neural Network（CNN）and Gated Recurrent Unit（GRU）neural network is proposed to predict CSI 300 Index,
SSE Composite Index and SZSE Component Index. Firstly, this model uses CNN to extract feature vectors and reduce the
dimension of original data. Then, it utilizes GRU neural network to learn the dynamic cha