基于M-LSTM的股票指数日内交易量分布预测研究

作     者：贺毅岳 刘磊 高妮 HE Yi-yue;LIU Lei;GAO Ni

作者机构：西北大学经济管理学院陕西西安710127 西安外国语大学经济金融学院陕西西安710128 

出 版 物：《运筹与管理》 (Operations Research and Management Science)

年 卷 期：2022年第31卷第10期

页      面：196-203页

核心收录：

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 

基　　金：教育部人文社会科学研究青年基金项目(21YJCZH030) 陕西省社会科学基金项目(2021D067) 江苏高校哲学社会科学研究项目(2020SJA1707) 

主　　题：日内交易量分布 VWAP策略 多元经验模态分解 LSTM-Attention 

摘      要：针对现有预测建模方法难以高效提取日内交易量分布复杂变化规律,影响VWAP策略执行效果的问题,本文提出一种MEMD分解下基于LSTM-Attention的股市指数日内交易量分布预测方法M-LSTM。首先,运用MEMD方法将区间多维交易量时序同步分解为若干个独立的本征模态函数(IMF);其次,对各维度分解中高频IMF进行去噪与重构,构建基于LSTM-Attention神经网络的日内交易量分布预测模型,并深入分析股票指数不同走势阶段下模型预测的有效性;最后,分别采用M-LSTM、ARIMA以及SVR等主流方法,对上证指数等四个代表性指数的日内交易量分布进行预测。实验结果表明:M-LSTM预测误差更小,是一种更有效的股票指数日内交易量分布预测方法。