简介：摘要：过往研究中发现，深度学习方法中的LSTM模型在预测金融时间序列时表现良好。本文基于LSTM模型，对模型的层数、结构、激活函数等进行优化，并将优化后的模型用于对上证50ETF收盘价的预测，结果发现：①模型的层数会影响预测结果，过浅或过深的模型层数都会降低模型的预测能力，两层的LSTM模型对上证50ETF收盘价的预测能力最佳；②引入非线性激活函数的全连接层作为隐藏层可以提升模型的预测能力，exponential激活函数的表现最佳；③对特定隐藏层使用Xavier权重初始化方法可以提升模型预测能力。优化后的LSTM模型预测能力明显提升，该优化方法为LSTM模型构造提供了新的思路。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
