Multi-step-ahead stock price index forecasting using long short-term memory model with multivariate empirical mode decomposition

计算机科学 股票市场指数 超参数 计量经济学 证券交易所 水准点(测量) 多元统计 库存(枪支) 索引(排版) 股票市场 人工智能 机器学习 财务 经济 地理 古生物学 万维网 工程类 生物 机械工程 大地测量学
作者
Changrui Deng,Yanmei Huang,Najmul Hasan,Yukun Bao
出处
期刊:Information Sciences [Elsevier]
卷期号:607: 297-321 被引量:58
标识
DOI:10.1016/j.ins.2022.05.088
摘要

Accurate and reliable multi-step-ahead forecasting of stock price indexes over long-term future trends is challenging for capital investors and decision-makers. This study developed a hybrid stock price index forecasting modelling framework using Long Short-Term Memory (LSTM) with Multivariate Empirical Mode Decomposition (MEMD), which can capture the inherent features of the complex dynamics of stock price index time series. In conjunction with time–frequency analysis and deep learning algorithms, the proposed modelling framework implemented multi-step-ahead forecasting for stock price indexes using a multiple-input multiple-output (MIMO) strategy, where MEMD was first employed to simultaneously decompose the relevant features of the stock price index. Then LSTM was used to train the forecasting model by using the components extracted by MEMD and performing multi-step-ahead forecasting of the closing price of the stock price index. The hyperparameters of the LSTM model were optimized using an orthogonal array tuning method (OATM) based on the Taguchi design of experiments for enhancing the performance of prediction. Three real-world datasets were used for model validation from three exchange markets including Standard & Poor 500 index (SPX), Shanghai Stock Exchange (SSE), and Hang Seng Index (HSI). The results of the experiments suggested that the proposed hybrid model outperforms the benchmark models and improves the accuracy of multi-step-ahead forecasting.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
李爱国应助i好运采纳,获得10
2秒前
小墨墨完成签到 ,获得积分10
8秒前
研友_851KE8发布了新的文献求助10
11秒前
twelveyears完成签到 ,获得积分10
12秒前
12秒前
务实青筠完成签到 ,获得积分10
14秒前
nine2652完成签到 ,获得积分10
17秒前
跳跃完成签到,获得积分10
17秒前
Lyann完成签到,获得积分10
17秒前
淀粉肠完成签到 ,获得积分10
18秒前
研友Bn完成签到 ,获得积分10
20秒前
fanzi完成签到 ,获得积分10
20秒前
研友_851KE8完成签到,获得积分10
22秒前
laogao完成签到,获得积分10
24秒前
袁青欣完成签到 ,获得积分10
27秒前
Albert完成签到,获得积分10
27秒前
dajiejie完成签到 ,获得积分10
34秒前
34秒前
jhxie完成签到,获得积分10
34秒前
拉塞尔....完成签到 ,获得积分10
39秒前
alexlpb完成签到,获得积分10
41秒前
CY完成签到,获得积分10
45秒前
even完成签到 ,获得积分10
53秒前
Hiaoliem完成签到 ,获得积分10
57秒前
1分钟前
gzf完成签到 ,获得积分10
1分钟前
sherry完成签到 ,获得积分10
1分钟前
liu95完成签到 ,获得积分10
1分钟前
博士搏斗完成签到 ,获得积分10
1分钟前
嫁个养熊猫的完成签到 ,获得积分10
1分钟前
1分钟前
WSY完成签到 ,获得积分10
1分钟前
自觉画笔完成签到 ,获得积分10
1分钟前
zx完成签到 ,获得积分10
1分钟前
LYZ完成签到 ,获得积分10
1分钟前
优雅含灵完成签到 ,获得积分10
1分钟前
1分钟前
半城烟火完成签到 ,获得积分10
1分钟前
coolplex完成签到 ,获得积分10
1分钟前
木又完成签到 ,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418298
捐赠科研通 2354492
什么是DOI,文献DOI怎么找? 1246104
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921