云南民族大学学报（自然科学版），２０２３，３２（４）：５２８－５３２ＣＮ５３－１１９２／ＮＩＳＳＮ１６７２－８５１３ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２－８５１３．２０２３．０４．０１８ｈｔｔｐ：／／ｙｎｍｚｃｂｐｔｃｎｋｉｎｅｔ收稿日期：２０２２－１０－１５．作者简介：李丽萍（１９９８－），女，硕士研究生．主要研究方向为经济统计．通信作者：江绍萍（１９８２－），女，博士，教授．主要研究方向为应用统计．基于ＬＳＴＭ神经网络的股票价格预测李丽萍，曾丽芳，江绍萍，何文倩（云南民族大学数学与计算机科学学院，云南昆明６５０５００）摘要：针对传统的时间序列方法和传统的机器学习算法对股票价格预测的精度较低这一问题，鉴于股票数据的非线性、非平稳性以及序列间的相关性，建立了ＬＳＴＭ神经网络预测模型，以云南旅游股票历史交易数据为输入，对云南旅游股票的收盘价进行预测，并求解基于各预测模型下的统计指标ＭＡＥ，ＲＭＳＥ，且与其他两种模型的预测结果进行比较．结果表明，ＬＳＴＭ神经网络预测模型比其他２种（ＢＰ、Ｅｌｍａｎ）神经网络预测模型的预测误差更小，结果更为准确，预测值更接近于股票价格的真实值．关键词：股票价格；神经网络；云南旅游股票；预测中图分类号：ＴＰ１８３文献标志码：Ａ文章编号：１６７２－８５１３（２０２３）０４－０５２８－０５股票是一种重要的投资方式，它的价格走势是人们乃至国家都非常关注的焦点．然而，股票的价格走势是复杂多变的，想要准确预测股票的价格走势并非易事［１］．所以，如何更加有效的预测股票价格是当下国内外研究学者们研究的热门话题，也是投资者们迫切想知道的奥秘．对于投资者而言，找到一个能准确预测股票价格的方法至关重要，因为预测结果越准确，投资者的投资风险就越低，收益就越大．目前已有很多预测股票价格的方法，如传统时间序列方法，ＡＲＩＭＡ模型，ＡＲＭＡ模型，ＧＡＲＣＨ模型等［２］．但在实际研究中，大部分股票价格走势呈现非线性趋势，此时采用传统的方法预测股票价格很难准确描述股票的价格走势．然而，随着信息技术的发展和机器学习理论的不断进步，涌现出很多基于机器学习和深度学习的方法来对股票价格进行预测．例如支持向量机法、ＢＰ和Ｅｌｍａｎ神经网络等机器学习方法［３］．有很多学者同时采用ＡＲＩＭＡ模型和ＢＰ神经网络这两种方法对股票收盘价进行预测．结果表明，无论是短期、中期...
