通过CNN-Bi-LSTM模型预测黄金价格,以及自动参数调节
Amirhossein Amini1, Robab Kalantari2
1Faculty of Industrial Engineering, Department of Financial System, Khatam University, Tehran, Iran.
PloS one
|March 7, 2024
概括
这项研究介绍了一种混合深度神经网络 (DNN) 模型,该模型结合了卷积神经网络 (CNN) 和双向长短期记忆 (Bi-LSTM) 以准确预测黄金价格. CNN-Bi-LSTM模型在预测黄金价格方面表现出卓越的表现,降低了投资风险.
科学领域:
- 金融经济学 金融经济学
- 计算金融是指计算金融.
- 人工智能的人工智能
背景情况:
- 黄金价格显著影响经济和金融市场.
- 准确的黄金价格预测对于财务和投资组合管理至关重要,有助于投资决策和降低风险.
- 现有的方法往往难以应对金价的复杂波动.
研究的目的:
- 提出和评估用于增强黄金价格预测的新型深度神经网络 (DNN) 架构.
- 研究结合卷积神经网络 (CNN) 和长短期记忆 (LSTM) 网络的混合模型的有效性.
- 使用自动调整优化DNN参数,以提高预测准确性和可靠性.
主要方法:
- 开发混合深度神经网络 (DNN) 模型,特别是CNN-Bi-LSTM,用于分析黄金价格趋势.
- 使用44年的数据集 (1978-2021) 历史黄金收盘价格.
- 使用网格搜索进行自动参数调整,并使用RMSE,RMAE和R2统计指数评估模型效率.
主要成果:
- 拟议的CNN-Bi-LSTM混合模型与其他架构相比,表现出卓越的性能.
- 该模型有效地捕获了极端值,并在黄金价格预测中表现出较少的偏差.
- 自动参数调整显著提高了预测结果的准确性和确定系数.
结论:
- 混合CNN-Bi-LSTM模型为黄金价格预测提供了强大而准确的方法.
- 这种方法为财务管理,风险减轻和投资策略提供了宝贵的见解.
- 该研究验证了先进深度学习技术在金融市场分析中的可行性和有效性.
