基于LSTM和GRU的股价预测研究

作     者：王代颖 

作者机构：贵州大学经济学院贵州 贵阳 

出 版 物：《电子商务评论》 (E-Commerce Letters)

年 卷 期：2024年第13卷第2期

页      面：3203-3210页

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）] 

主　　题：门控循环单元模型 长短期时间记忆 趋势预测 

摘      要：随着计算机水平和数据库技术的迅猛发展,以神经网络为基础的深度学习已经成为机器学习领域中最热门的研究方向,人工神经网络、卷积神经网络、BP神经网络等先后被广泛应用于各领域中,并取得了很好的效果。如今,越来越多的金融学者也将目光投向了神经网络,运用网络技术建立股票收盘价趋势预测模型,取得了显著效果。本文基于用python构建了门控循环单元模型(GRU)和长短期时间记忆(LSTM)模型对光大银行收盘价进行预测,并对两种算法进行比较。实证结果表明:GRU模型在MAE、RMSE、MAPE三个评价指标的预测精度均高于LSTM模型,测试集的拟合也是最好的,能够在一定程度上反应股票价格波动趋势,为投资者进行投资决策提供了一个简单实用的方法。