计算机工程与应用 ›› 2023, Vol. 59 ›› Issue (15): 300-309.DOI: 10.3778/j.issn.1002-8331.2205-0025
邹婕,李路
ZOU Jie, LI Lu
摘要: 针对股票具有多因子、高随机性和非平稳性等复杂特征,利用门控循环单元(GRU)网络直接进行股价预测效果较差的问题。在融合自注意力机制(SA)和GRU,构建SA-GRU模型的基础上,引入降维处理技术随机森林(RF)算法,针对股票收盘价筛选其他因子,将经过降维的股票因子数据作为SA-GRU模型的输入。基于双层GRU网络提取股票因子间的依赖关系,再利用SA加强对重要因子的关注和因子内部的联系,得到加入注意力权重后的股票因子数据,通过全连接层输出股价预测值,从而构建RF-SA-GRU混合模型。选取涉及18个基础行业的18只股票进行股价预测,实验显示RF-SA-GRU模型在18只股票上均取得好的预测效果,且预测精度和稳定性均优于其他模型。此外,选取3个指数进行收盘点位预测,实验显示RF-SA-GRU模型在股指预测方面依旧具有更好的预测性能。