文章预览
“ A Novel Multivariate Bi-LSTM model for Short-Term Equity Price Forecasting ” 股票市场波动对经济影响深远,准确预测股价有助于防止市场崩溃和增强金融稳定。本研究使用单变量和多变量LSTM模型预测印度国家证券交易所(NSE)短期股价,重点分析四大经济部门的股票。选取了12个与收盘价高度相关的技术指标(如EMA5、SMA5、Bollinger Bands)以优化预测模型。 结果显示,本文提出的双向多变量LSTM模型在四只股票上平均R²得分为99.4779%,比无技术指标的单向多变量LSTM高3.9833%。模型的平均RMSE为0.0103955,MAE为0.007485,MAPE为1.1635%,显示出卓越的预测准确性。 未来,可扩展至长期预测,应用于其他主要股市,并结合宏观经济指标、社交媒体情绪和全球新闻以增强预测能力。 论文地址 : https://arxiv.org/pdf/2409.12208v1 摘要 本文研究了在印度股市中,使用双向多变量长短期记忆
………………………………