基于多步分解的股价预测模型

作     者：李秀 

作者机构：兰州交通大学数理学院甘肃 兰州 

出 版 物：《应用数学进展》 (Advances in Applied Mathematics)

年 卷 期：2024年第13卷第7期

页      面：3488-3501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：股价预测 二次分解 变分模态分解 鲁棒局部均值分解 长短期记忆网络 

摘      要：金融领域一直备受关注,且股价受多种因素影响,其预测也存在一定的挑战性。为准确预测股价,为投资者和交易者提供有益的决策支持,本研究旨在提出一种基于多步分解的股价预测模型。首先通过变分模态分解(VMD)分解原始序列,重构高复杂成分,然后应用鲁棒局部均值分解(RLMD)进行二次分解,最后利用PSO-LSTM模型进行预测。为验证所提模型的有效性,将股票数据经VMD-MFE-RLMD分解与没有分解、只有VMD分解以及传统模型CNN、SVR、GRU进行对比,在沪深300指数数据集上的结果显示:股票数据经VMD-MFE-RLMD分解的预测误差MAE、MSE、RMSE、MAPE均小于没有分解以及只经VMD分解的预测误差,且低于传统预测模型的预测误差,提高了预测精度。最后,将此模型应用在上证50指数数据集上,同样取得了较好的预测结果,再次证明了所提模型在股价预测上具有更高的预测精度。