基于CEEMDAN與LSTM-Attention的股市預(yù)測模型

摘要： 具有時序特征的金融股票數(shù)據(jù)有非線性、非平穩(wěn)和復(fù)雜動態(tài)的特點，對預(yù)測模型提出了挑戰(zhàn)。提出一種基于自適應(yīng)噪聲完備集合經(jīng)驗?zāi)B(tài)分解的LSTM-Attention模型。通過重組后的高頻、中頻和低頻分量，構(gòu)建更為細化的LSTM-Attention模型，再通過加總合成獲得目標預(yù)測值。實驗結(jié)果分析表明，該模型在平均絕對誤差(MAE)、均方根誤差(RMSE)、均方誤差(MSE)和決定系數(shù)四個指... （共8頁）