[发明专利]智能终端及其基于LSTM的股票趋势预测方法

摘要

本申请涉及一种智能终端及其基于LSTM的股票趋势预测方法，包括获取目标股票的历史数据，进行数据清洗、归一化，按照时间划分为训练数据集与测试数据集；对训练数据进行离线模型训练，以分别训练LSTM的多个神经网络模型；获取训练数据对于多个神经网络模型输出的预测值列表，并与实际的股票趋势值进行比较，计算得到多个神经网络模型作为组合模型时所占的权重值；利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果，以此调整所述多个神经网络模型作为组合模型时所占的权重值。本申请通过组合模型的方式，避免单个LSTM模型的简单预测方法误差较大且实用性较低的问题。

主权项

一种基于长短期记忆神经网络的股票趋势预测方法，其特征在于，所述基于长短期记忆神经网络的股票趋势预测方法包括：获取目标股票的历史数据；将所述历史数据进行数据清洗、归一化；将清洗归一化后的历史数据按照时间划分为训练数据集与测试数据集；对所述训练数据集的训练数据进行离线模型训练，以分别训练长短期记忆神经网络LSTM的多个神经网络模型；获取训练数据对于训练后的多个神经网络模型输出的预测值列表，将所述预测值列表与实际的股票趋势值进行比较，计算得到多个神经网络模型作为组合模型时所占的权重值；利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果，根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值。