基于鲸鱼算法优化LSTM的股票价格预测模型

作     者：李婧琦 LI Jingqi

作者机构：山东工商学院统计学院山东烟台264005 

出 版 物：《智能计算机与应用》 (Intelligent Computer and Applications)

年 卷 期：2023年第13卷第2期

页      面：35-40页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：鲸鱼优化 股票价格预测 长短期记忆网络 递归特征消除 

摘      要：长短期记忆神经网络(LSTM)因其长时记忆的可预测性,在金融领域脱颖而出。然而前期研究结果显示,该方法存在主观性决定关键参数,容易陷入局部最优,导致能力不佳的问题。基于上述问题,本文提出一种基于鲸鱼算法(WOA)优化长短期记忆网络(LSTM)的股票价格预测模型。该模型通过鲸鱼算法,对LSTM网络的重要参数进行寻优,使之降低人为因素的影响,提高模型预测的准确性。同时,针对股票数据之间的冗余性导致模型效率降低的问题,使用递归特征消除算法对数据进行特征选择,建立完善指标体系进行预测。实验以上证指数股票数据构建了WOA-LSTM模型,并对该模型的预测结果与单一LSTM、PSO-LSTM、SSA-BP模型进行比较分析。实验结果表明,本文所提模型对股票价格的预测明显优于其它模型。