Resumen

Una predicción precisa del índice bursátil es importante para que los inversores reduzcan el riesgo financiero. Aunque se han desarrollado bastantes métodos de aprendizaje profundo para la predicción bursátil, es necesario resolver algunos problemas fundamentales, como la escasa capacidad de generalización y el sobreajuste en el entrenamiento. En este artículo, se propone un nuevo modelo de aprendizaje profundo denominado Memoria Aleatoria a Corto Plazo (RLSTM) para obtener un mejor resultado de predicción. RLSTM incluye un módulo de predicción, un módulo de prevención y tres capas de conexión completas. La entrada del módulo de predicción es una acción o un índice que debe predecirse. La del módulo de prevención es una serie de números aleatorios. Con el índice de Shanghai Securities Composite Index (SSEC) y Standard

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:módulo de predicción, módulo de prevención, denominado random long, shanghai security composite, estándar
• Keywords:prediction module, prevention module, named random long, shanghai security composite, standard & poor, weak generalization ability, better predicting results, security composite index, accuracy of prediction, random long short