论文部分内容阅读
股票趋势预测研究是金融大数据的一个重要研究方向,随着人工智能技术的发展,股票趋势预测从传统的基本分析方法,扩展到利用机器学习方法进行技术分析。其中,神经网络方法、集成学习方法为股票趋势预测提供了新的建模方案。但传统的集成学习方法基学习器仅使用决策树或LSTM神经网络作为基学习器,具有一定的局限性,为此本文进行如下研究:1)设计叠加了注意力机制和生成对抗学习的LSTM模型--AALSTM模型。由于股票数据具有非线性、非平稳以及含有大量噪声的特点,普通LSTM模型难以捕捉潜在特征,为了解决该问题,本文在