Resumen

La predicción del precio de las acciones es muy importante en la toma de decisiones financieras, y es también la parte más difícil de la previsión económica. Los factores que afectan a los precios de las acciones son complejos y cambiantes, y las fluctuaciones de los precios de las acciones tienen un cierto grado de aleatoriedad. Si podemos predecir con exactitud los precios de las acciones, las autoridades reguladoras pueden llevar a cabo una supervisión razonable del mercado de valores y proporcionar a los inversores una valiosa información para la toma de decisiones de inversión. Como sabemos, el algoritmo LSTM (Long Short-Term Memory) se utiliza principalmente en concursos de minería de datos a gran escala, pero aún no se ha utilizado para predecir el mercado de valores. Por ello, este artículo utiliza este algoritmo para predecir el precio de cierre de las acciones. Como campo de investigación emergente, el LSTM es superior a los modelos tradicionales de series temporales y a los modelos de aprendizaje automático y es adecuado para el análisis y la predicción del mercado de valores. Sin embargo, el modelo LSTM general tiene algunas deficiencias, por lo que este trabajo diseña un LSTM optimizado por LightGBM para realizar previsiones del precio de las acciones a corto plazo. Con el fin de verificar su eficacia en comparación con otros modelos de redes profundas como la RNN (Red Neuronal Recurrente) y la GRU (Unidad Recurrente Cerrada), el LightGBM-LSTM, la RNN y la GRU se utilizan respectivamente para predecir los índices de Shanghai y Shenzhen 300. Los resultados experimentales muestran que el LightGBM-LSTM tiene la mayor precisión de predicción y la mejor capacidad para seguir las tendencias de los precios de los índices bursátiles, y su efecto es mejor que el de los algoritmos GRU y RNN.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:lstm, mercado de valores, fluctuaciones del precio de las acciones, previsión del precio de las acciones, decisión de inversión valiosa, red neuronal recurrente, predicción del precio de las acciones, modelo de red profunda, mayor precisión de predicción, lightgbm
• Keywords:lstm, stock market, stock price fluctuations, stock price forecasting, valuable investment decision, recurrent neural network, stock price prediction, deep network model, highest prediction accuracy, lightgbm