[发明专利]基于改进的长短时记忆网络的金融数据预测方法

摘要

本发明公开一种基于改进的长短时记忆网络的金融数据预测方法，涉及深度学习和金融数据预测领域，该方法在计算输入挤压单元、输入门单元、忘记门单元、输出门单元时，加入更多时刻的隐藏层信息，并在此基础上重新设计了前向传播算法和沿时间反向传播算法，利用改进的长短时记忆网络算法对金融时间序列数据进行预测，提高了对金融时间序列数据预测的准确率，加快了算法的收敛速度。

主权项

1.一种基于改进的长短时记忆网络的金融数据预测方法，其特征在于，该方法包括以下步骤：(1)输入待处理的金融时间序列数据，将数据中每个时刻的值设定为一个样本；(2)对金融时间序列数据进行预处理；(3)从预处理后的数据集中，确定训练样本集和测试样本集；(4)初始化改进的长短时记忆网络参数；(5)将训练样本集中的数据分为若干批次，从中随机选取部分批次的数据作为改进的长短时记忆网的输入数据，并对网络进行训练；(6)用改进的长短时记忆网络对金融时间序列数据进行正向传播计算，得到输出值与检验值之间的误差；(7)对误差进行判断，如果误差满足收敛条件，则进入下一步；如果误差不满足收敛条件，则利用沿时间反向传播算法对网络参数进行更新，直到误差满足收敛条件，输出训练好的改进的长短时记忆网络模型；(8)利用训练好的改进的长短时记忆网络模型对金融时间序列数据进行预测；(9)输出金融时间序列数据预测值。