龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：福建理工大学
摘要：本发明提供了金融技术领域的一种基于CEEMDAN‑PSO‑LSTM的多国股指价格预测方法，包括：步骤S1、获取不同国家的大量的股指价格历史数据构建数据集，基于数据集生成训练集、测试集以及验证集；步骤S2、基于频率分解模块、长短期记忆模块以及融合输出模块创建一股指价格预测模型；步骤S3、通过训练集对股指价格预测模型进行训练，训练过程中通过粒子群算法对长短期记忆模块的超参数进行优化；步骤S4、通过测试集对训练后的股指价格预测模型进行测试，通过验证集对测试通过的股指价格预测模型进行验证；步骤S5、利用验证通过的股指价格预测模型进行多国股指价格预测。本发明的优点在于：极大的提升了多国股指价格预测的精度以及稳定性。
主权项：1.一种基于CEEMDAN-PSO-LSTM的多国股指价格预测方法，其特征在于：包括如下步骤：步骤S1、获取不同国家的大量的股指价格历史数据，对各所述股指价格历史数据进行预处理后构建数据集，基于所述数据集生成训练集、测试集以及验证集；步骤S2、基于频率分解模块、长短期记忆模块以及融合输出模块创建一股指价格预测模型；所述频率分解模块用于对股指价格历史数据进行序列分解，得到若干个本征模态函数；所述长短期记忆模块包括一输入层、一隐含层、一随机丢弃层以及一输出层；所述输入层、隐含层、随机丢弃层以及输出层依次连接；所述输入层用于输入本征模态函数；所述隐含层用于提取和学习所述本征模态函数中的深层特征；所述随机丢弃层用于随机丢弃深层特征中的部分特征防止过拟合；所述输出层用于输出股指价格的子预测结果；所述融合输出模块用于对各子预测结果进行融合，输出股指价格预测结果；步骤S3、通过所述训练集对股指价格预测模型进行训练，训练过程中通过粒子群算法对所述长短期记忆模块的超参数进行优化；步骤S4、通过所述测试集对训练后的股指价格预测模型进行测试，通过所述验证集对测试通过的股指价格预测模型进行验证；步骤S5、利用验证通过的所述股指价格预测模型进行多国股指价格预测。
全文数据：
权利要求：
百度查询： 福建理工大学 一种基于CEEMDAN-PSO-LSTM的多国股指价格预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号