用于金融时间序列预测的神经网络集成模型

摘要： 准确预测金融时间序列数据对金融市场的运行和管理起着重要作用。基于神经网络和集成学习思想，将卷积神经网络(CNN)、长短期记忆(LSTM)网络以及自回归移动平均(ARMA)模型在集成框架中进行组合，提出一种新的用于预测金融时间序列数据的ARMA-CNN-LSTM模型。该模型通过CNN-LSTM模型对数据中时空特征进行建模，同时利用ARMA模型对数据的自相关特征进行建模，实现对金融... （共6页）