LightGBMが最適化したLSTMおよび時系列モデルに基づく経済予測方法

株価の予測は財務上の意思決定において非常に重要であり、経済予測の最も困難な部分でもあります。株価に影響を与える要因は複雑で変更可能であり、株価の変動にはある程度のランダム性があります。株価を正確に予測できれば、規制当局は株式市場の合理的な監督を実施し、投資家に貴重な投資意思決定情報を提供することができます。私たちが知っているように、LSTM（長期記憶）アルゴリズムは主に大規模なデータマイニング競争で使用されていますが、株式市場の予測にはまだ使用されていません。したがって、この記事では、このアルゴリズムを使用して、株式の終値を予測します。新しい研究分野として、LSTMは従来の時系列モデルや機械学習モデルよりも優れており、株式市場分析と予測に適しています。ただし、一般的なLSTMモデルにはいくつかの欠点があるため、このペーパーでは、LightGBMが最適化したLSTMを設計して、短期株価予測を実現します。RNN（Recurrent Neural Network）やGRU（Gated Recurrent Unit）などの他のディープネットワークモデルと比較してその有効性を検証するために、LightGBM-LSTM、RNN、およびGRUは、それぞれ上海およびShenzhen 300インデックスを予測するために使用されます。実験結果は、LightGBM-LSTMの予測精度が最も高く、ストックインデックス価格の傾向を追跡する最良の能力があり、その効果はGRUおよびRNNアルゴリズムよりも優れていることを示しています。

Stock price prediction is very important in financial decision-making, and it is also the most difficult part of economic forecasting. The factors affecting stock prices are complex and changeable, and stock price fluctuations have a certain degree of randomness. If we can accurately predict stock prices, regulatory authorities can conduct reasonable supervision of the stock market and provide investors with valuable investment decision-making information. As we know, the LSTM (Long Short-Term Memory) algorithm is mainly used in large-scale data mining competitions, but it has not yet been used to predict the stock market. Therefore, this article uses this algorithm to predict the closing price of stocks. As an emerging research field, LSTM is superior to traditional time-series models and machine learning models and is suitable for stock market analysis and forecasting. However, the general LSTM model has some shortcomings, so this paper designs a LightGBM-optimized LSTM to realize short-term stock price forecasting. In order to verify its effectiveness compared with other deep network models such as RNN (Recurrent Neural Network) and GRU (Gated Recurrent Unit), the LightGBM-LSTM, RNN, and GRU are respectively used to predict the Shanghai and Shenzhen 300 indexes. Experimental results show that the LightGBM-LSTM has the highest prediction accuracy and the best ability to track stock index price trends, and its effect is better than the GRU and RNN algorithms.