基于长短期记忆网络(LSTM)对股票价格的涨跌幅度进行预测

完整代码：https://download.csdn.net/download/qq_38735017/87536579

---

为对股票价格的涨跌幅度进行预测，本文使用了基于长短期记忆网络(LSTM)的方法。根据股票涨跌幅问题， 通过对股票信息作多值量化分类，将股票预测转化成一个多维函数拟合问题。将股票的历史基本交易信息作为特征输入，利用神经网络对其训练，最后对股票的涨跌幅度做分类预测。数据集为代号 510050 的上证股票，实验结果表明该模型在单纯预测涨跌的情况下有比较好的预测效果。

一、问题描述

---

1.1绪论

---

随着我国经济的快速发展，政府、投资机构以及投资者们对股票预测的需求也越来越多。因此， 对股票价格走势的分析成为越来越多研究者关注的课题。但股票价格高度的波动性与不确定性，使其成 为计算机领域和金融领域的一大难题。

由于股票本身的波动性和不确定性，其价格是否可以被预测这一议题一直存在着不少争议。在 1956