• •
基于神经网络集成模型的金融时间序列预测
张晗,王维国
- 东北财经大学
Financial Time Series Forecasting with the Neural Network Ensemble Models
摘要: 准确预测金融时间序列数据对金融市场的运行和管理起着重要作用。本文基于神经网络和集成学习思想,提出一种新的用于预测金融时序数据的ARMA-CNN-LSTM模型。该模型将卷积神经网络(Convolutional Neural Network, CNN)、长短期记忆(Long Short-term Memory, LSTM)网络和自回归移动平均(Autoregressive Moving Average, ARMA)模型在集成框架中进行组合,通过CNN-LSTM模型对数据中时空特征进行建模,同时利用ARMA模型对数据的自相关特征进行建模,实现对金融时间序列数据中线性和非线性特征的混合建模。实验结果表明,与基准个体模型相比,本文提出的模型在预测金融时间序列数据的精度和鲁棒性两个方面都显示出优异的性能。
中图分类号: