基于CEEMDAN與LSTM-Attention的股市預(yù)測(cè)模型

摘要： 具有時(shí)序特征的金融股票數(shù)據(jù)有非線性、非平穩(wěn)和復(fù)雜動(dòng)態(tài)的特點(diǎn)，對(duì)預(yù)測(cè)模型提出了挑戰(zhàn)。提出一種基于自適應(yīng)噪聲完備集合經(jīng)驗(yàn)?zāi)B(tài)分解的LSTM-Attention模型。通過(guò)重組后的高頻、中頻和低頻分量，構(gòu)建更為細(xì)化的LSTM-Attention模型，再通過(guò)加總合成獲得目標(biāo)預(yù)測(cè)值。實(shí)驗(yàn)結(jié)果分析表明，該模型在平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)、均方誤差(MSE)和決定系數(shù)四個(gè)指...