国泰君安学术前沿模型专题报告：一种多值相关的深度递归神经网络模型

来源：国泰君安

本文介绍了一种多值 相关 的深度递归神经网络模型用于对股票进行多个相关值的预测。

股市作为投资者主要活跃的市场，把握股市变化，预测价格走势一直是学界和业界研究的热点方向。目前，股价预测的方法有很多，大致
可分为统计方法和人工智能方法两类。

为了在一个模型中同时预测多个值，我们需要设计一个能够处理多个输入并同时产生多个相关输出的模型。《Study on the prediction
of stock price based on the associated network model of LSTM》提出了一种基于长短期记忆的多输入多输出深度递归神经网络模型，
该模型可以同时预测一只股票的开盘价格、最低价格和最高价格。

本文将该模型与传统的长短期记忆 LSTM 模型和深度递归神经网络DRNN 模型进行了比较，实验结果显示，该模型在同时预测多个值方
面的精度优于其他两种模型，且预测精度在 95%以上。

（PDF，1.4M，18页）