一种基于LSTM模型的股票预测方法和系统技术方案

本发明专利技术公开了一种基于LSTM模型的股票预测方法和系统，属于股票预测技术领域。本发明专利技术技术方法通过搭建深度学习环境，爬取大型企业近期的股票数据，对股票数据进行前期分析，再提取关键特征，选取训练数据，输入训练数据，基于深度学习理论构建股票预测模型，所述股票预测模型包括一层输入层、一层隐含层和一层输出层，最后输出预测结果，结合真实值以误差百分比作为评测指标进行测评。本发明专利技术还实现了一种基于LSTM模型的股票预测系统。本发明专利技术采用了LSTM模型构建股票预测模型适用于周期性强的数据和序列数据，解决长期依赖问题，比传统时间序列模型等更加灵活调参。

Stock forecasting method and system based on LSTM model

The invention discloses a stock forecasting method and a system based on a LSTM model, belonging to the technical field of stock prediction. The inventive method by building a deep learning environment, take up large enterprises recent stock data, preliminary analysis of stock data, and then extract key features, selection of training data, input training data, learning theory to construct the stock prediction model based on depth, the stock prediction model consists of a layer of input layer, one hidden layer and a layer of output layer. The prediction results of the final output, according to the true value as the evaluation index for evaluation of the percentage error. The invention also realizes a stock forecasting system based on the LSTM model. The invention adopts LSTM model to build stock prediction model, and is suitable for periodic data and sequence data, and solves the problem of long-term dependence, and is more flexible than traditional time series model.

【技术实现步骤摘要】
一种基于LSTM模型的股票预测方法和系统
本专利技术属于股票预测领域，更具体地，涉及一种基于LSTM模型的股票预测方法和系统。
技术介绍
随着互联网行业的发展，信息技术占主导地位，证券市场向着现代化的市场方向发展。现在沪深上市公司已经超过几千家，然而股票投资的收益与风险往往是成正比的，即投资收益越高，可能冒得风险越大。因此，股市预测方法的研究具有极其重要的应用价值和理论意义。历来有不少的传统分析技术，应该说这些传统的技术分析方法在股票分析上还是取得了较大的成就的，然而，不难发现，这些现有的理论和方法也是存在着很大的缺陷的，它们无不是采用静态的方法，定性描述的多，定量描述的少，将影响股市的众多因素割裂开来单一分析。因此，这些局限性使得这些方法在变幻莫测的股票价格波动中不能有效和准确地把握股票价格的变化。故需要探索股票市场波动的复杂性以及规律性，并根据其规律性设计一系列的操作简便，精度够高的预测软件，为广大投资者规避风险。股票市场是多变量非线性动态系统，目前学术上还没有较好的建模方法，同时，股票市场具有一定程度的不确定性，因此，对那些试图用建立精确模型的方法来进行股价预测的方法，其预测效本文档来自技高网...

【技术保护点】
一种基于LSTM模型的股票预测方法，其特征在于，所述方法包括以下步骤：(1)获取股票交易的历史数据，基于实际需要选择训练数据；(2)输入训练数据，基于深度学习理论构建股票预测模型，所述股票预测模型包括一层输入层、一层隐含层和一层输出层；(3)输出预测结果，结合真实值以误差百分比作为评测指标进行测评。

【技术特征摘要】
1.一种基于LSTM模型的股票预测方法，其特征在于，所述方法包括以下步骤：(1)获取股票交易的历史数据，基于实际需要选择训练数据；(2)输入训练数据，基于深度学习理论构建股票预测模型，所述股票预测模型包括一层输入层、一层隐含层和一层输出层；(3)输出预测结果，结合真实值以误差百分比作为评测指标进行测评。2.根据权利要求1所述的一种基于LSTM模型的股票预测方法，其特征在于，所述步骤(1)具体包括：从股票交易历史数据中选取前N天的股票参数来预测第N+1天的股票；选取股票的昨日收盘价、开盘价、最高价、最低价、成交量和调整收盘价作为股票预测模型的训练数据。3.根据权利要求1所述的一种基于LSTM模型的股票预测方法，其特征在于，所述步骤(2)中股票预测模型包括：维度为N×1的LSTM层作为输入层，将tanh函数作为输入层内部激活函数和输入层与隐含层之间的激活函数，输入层网络节点是N个；Tanh函数作为隐含层内部激活函数，其中隐含层是LSTM结构，隐含层的维度为J×K的，有J个网络节点；Linear函数作为输出层的激活函数，输出节点为1。4.根据权利要求3所述的一种基于LSTM模型的股票预测方法，其特征在于，所述股票预测模型训练的过程中利用交叉验证的方法来调节参数，划分出20％的训练数据作为验证集，随机梯度下降算法训练股票预测模型。5.根据权利要求3所述的一种基于LSTM模型的股票预测方法，其特征在于，所述股票预测模型训练的过程中选择平均平方误差作为损失函数，选择RMSprop作为随机梯度下降算法的优化算法。6.一种基于LSTM模型的股票预测系统，其特征在于...

【专利技术属性】
技术研发人员：路松峰，方鼎，王同洋，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42