Resumen

Este trabajo analizó el desarrollo de la minería de datos y el desarrollo de la quinta generación (5G) para el Internet de las Cosas (IoT) y utiliza un método de aprendizaje profundo para la predicción de acciones. Con el fin de resolver problemas como la baja precisión y la complejidad de entrenamiento causadas por datos complicados en el modelo de predicción de acciones, propusimos un método de predicción basado en la selección de características (FS) y el algoritmo de Memoria a Corto y Largo Plazo (LSTM) para predecir el precio de cierre de las acciones. Teniendo en cuenta su futura aplicación potencial, este trabajo toma como ejemplo 4 datos de acciones del Índice de Componentes de Shenzhen y construye el conjunto de características para la predicción basado en 17 índices técnicos comúnmente utilizados en el mercado de valores. El conjunto óptimo de características se decide a través de FS para reducir la dimensión de los datos y la complejidad del entrenamiento. Se utiliza el algoritmo LSTM para predecir el precio de c

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Minería de datos; Quinta generación; Internet de las cosas; Aprendizaje profundo; Pronóstico de acciones; Memoria a largo plazo - Corto plazo
• Keywords:Data mining; Fifth generation; Internet of Things; Deep learning; Stock forecasting; Long Short-Term Memory