通过LSTM-CNN模型，用相同数据的不同表示形式预测股价
由qxiao创建，最终由qxiao 被浏览 567 用户
摘要
作者：Taewook Kim, HaYoung Kim
出处：PLOS ONE, 2019-02
预测股票价格在制定交易策略或选择买卖股票的适当时机中起着重要作用。作者提出了融合长短期记忆-卷积神经网络（LSTM-CNN）模型，该模型结合了从相同数据的不同表示形式（即股票时间序列和股票图表图像）中的特征，以预测股票价格。所提出的模型由LSTM和CNN组成，用于提取时间特征和图像特征。作者使用SPDR S＆P 500 ETF数据来衡量所提出模型相对于单个模型（CNN和LSTM）的性能。LSTM-CNN模型在预测股票价格方面优于单个模型。此外，作者发现蜡烛图是用于预测股票价格的最合适的股票图图像。因此，这项研究表明，通过结合使用来自同一数据的时间和图像特征，而不是单独使用这些特征，可以有效地减少预测误差。
正文
/wiki/static/upload/ba/ba43fa49-6587-4c3a-8229-9deff68dd242.pdf
\