检索结果-南通市图书馆

stock-price forecasting Based on XGBoost and LSTM

Computer Systems Science & Engineering 2022年第1期40卷 237-246页

作者： Pham Hoang Vuong Trinh Tan Dat Tieu Khoi Mai Pham Hoang Uyen Pham The Bao Information Science Faculty Sai Gon UniversityHo Chi Minh City700000Vietnam University of Economics and Law Ho Chi Minh City700000Vietnam

Using time-series data analysis for stock-price forecasting(SPF)is complex and challenging because many factors can influence stock prices(e.g.,inflation,seasonality,economic policy,societal behaviors).Such factors can be analyzed over time for *** learning and deep learning have been shown to obtain better forecasts of stock prices than traditional *** study,therefore,proposed a method to enhance the performance of an SPF system based on advanced machine learning and deep learning ***,we applied extreme gradient boosting as a feature-selection technique to extract important features from high-dimensional time-series data and remove redundant ***,we fed selected features into a deep long short-term memory(LSTM)network to forecast stock *** deep LSTM network was used to reflect the temporal nature of the input time series and fully exploit future con-textual *** complex structure enables this network to capture more stochasticity within the stock *** method does not change when applied to stock data or Forex *** results based on a Forex dataset covering 2008–2018 showed that our approach outperformed the baseline autoregressive integrated moving average approach with regard to mean absolute error,mean squared error,and root-mean-square error.

关键词： stock-price forecasting ARIMA XGBoost LSTM deep learning

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：