最新 | 基于M带小波变换的SVR和RNN-LSTM股票预测模型

摘要

预测未来股票的价值一直是大家都很关注的话题，尽管它是非常困难。这种困难来自于股票的非平稳行为，没有任何明确的形式。因此，最好的方式是通过分析股票数据。为了处理大数据集，目前的默认的方法是使用移动平均线。然而，利用小波变换代替移动平均法对股票信号进行去噪，可以使金融数据平滑，更准确地分解。这种新的转化、去噪和更稳定的股票数据可以通过非参数统计方法跟踪，如SVR和基于递归神经网络（RNN）的长短时记忆（LSTM）网络来预测未来的股票价格。通过这些方法，人们可以得到更准确的股票预测。

部分内容：

Utilizing MATLAB’s Neural Net Time Series Toolbox, a 10 hidden layers neural net was created to predict Apple stock using historical data from Apple, as well as 23 other relevant stocks:

NN Model for Apple Stock using 10-day denoised historical data