[发明专利]一种基于长短记忆网络与深度数据清洗的金融时间序列预测方法，装置及服务器

摘要

本发明属于金融时间序列数据处理领域，公开了一种基于长短记忆网络与深度数据清洗的金融时间序列预测方法、装置和服务器，方法包括：截取股票金融时间序列数据，进行经验模态分解后获得本征模态函数序列；采用降维处理对本征模态函数序列中的冗余数据进行压缩；采用堆叠自动编码器对降维得到的数据进行无监督学习，获得金融时间序列的深层特征；将金融时间序列的深层特征按照比例分为训练集、验证集和测试集，并采用训练集对时间循环神经网络模型进行训练后获得训练好的时间循环神经网络模型；根据训练好的时间循环神经网络模型对金融时间序列进行预测。本发明通过将堆叠自动编码器和长短期记忆网络结合并应用于股票价格预测来提高金融预测的速度和准确性。

主权项

1.一种基于长短记忆网络与深度数据清洗的金融时间序列预测方法，其特征在于，包括下述步骤：(1)采用窗口宽度为W的滑动窗口实时截取股票金融时间序列数据，并对截取的数据进行经验模态分解后获得本征模态函数序列；(2)采用降维处理对本征模态函数序列中的冗余数据进行压缩；(3)采用堆叠自动编码器对降维得到的数据进行无监督学习，获得金融时间序列的深层特征；(4)将金融时间序列的深层特征按照比例分为训练集、验证集和测试集，并采用训练集对时间循环神经网络模型进行训练后获得训练好的时间循环神经网络模型；(5)根据训练好的时间循环神经网络模型对金融时间序列进行预测。