Resumen

Los datos de precios de acciones tienen las características de series temporales. Al mismo tiempo, basados en el aprendizaje automático de memoria a largo plazo (LSTM, por sus siglas en inglés) que tiene las ventajas de analizar las relaciones entre los datos de series temporales a través de su función de memoria, proponemos un método de pronóstico de precios de acciones basado en CNN-LSTM. Al mismo tiempo, utilizamos MLP, CNN, RNN, LSTM, CNN-RNN y otros modelos de pronóstico para predecir el precio de las acciones uno por uno. Además, los resultados de pronóstico de estos modelos son analizados y comparados. Los datos utilizados en esta investigación se refieren a los precios diarios de las acciones desde el 1 de julio de 1991 hasta el 31 de agosto de 2020, incluyendo 7127 días de negociación. En términos de datos históricos, elegimos ocho características, incluyendo precio de apertura, precio más alto, precio más bajo, precio de cierre, volumen, volumen de negociación, alzas y bajas, y cambio. En primer lugar,

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Datos de precios de acciones; Series temporales; Aprendizaje automático; LSTM; Método de pronóstico; CNN-LSTM
• Keywords:Stock price data; Time series; Machine learning; LSTM; Forecasting method; CNN-LSTM