经济数据预测 | Python实现CNN-LSTM股票价格预测时间序列预测

经济数据预测 | Python实现CNN-LSTM股票价格预测时间序列预测

目录

经济数据预测 | Python实现CNN-LSTM股票价格预测时间序列预测基本介绍程序设计学习总结

基本介绍

通过Tensorflow框架搭建一个基于CNN-LSTM的简单股票价格预测模型，这个模型首先是将一个窗口的股票数据转换为一个2D的图像数据，然后通过CNN进行特征提取。

具体地，定义一段股票序列为：

其中，每个x是一个m维的向量，这样得到的就是一个r乘m的矩阵形式，因此对于这个矩阵可以通过CNN进行特征提取。文中，通过64个filter来进行特征提取，之后通过Relu函数进行激活，接着通过max-pooling进行池化处理，最后加入了概率为0.3的dropout来防止过拟合。最后输出一段序列作为后面LSTM的输入。然后通过LSTM对得到的feature map进行时序建模。