基于深度学习长短期记忆神经网络的有色金属期货市场预测研究 |
| |
作者姓名: | 沈虹 李旭 潘琪 |
| |
作者单位: | 扬州大学 商学院,江苏 扬州225127 |
| |
基金项目: | 国家自然科学基金;江苏省自然科学基金;扬州大学科技创新项目;扬州大学商学院创新计划 |
| |
摘 要: | 为提高金融资产预测能力,该文采用深度学习长短期记忆(LSTM)神经网络模型对上海期货交易所(SHFE)和伦敦金属期货交易所(LME)的铝、铜、镍、铅、锡和锌6种有色金属期货价格分别进行长、短期预测,与传统机器学习多层感知器(MLP)模型以及线性自回归移动平均(ARIMA)模型进行对比研究.数据源于Wind数据库和国际货...
|
关 键 词: | 深度学习 长短期记忆模型 神经网络 多层感知器模型 自回归移动平均模型 有色金属 期货市场 价格预测 |
本文献已被 CNKI 万方数据 等数据库收录! |
|