: ข้อมูลในตลาดหุ้นมีความซับซ้อน การวิเคราะห์องค์ประกอบหลัก (PCA) ที่ใช้เครือข่ายประสาท LSTM สามารถลบเสียงรบกวนและปรับปรุงความถูกต้องของการคาดการณ์สต็อก แบบจําลองการคาดการณ์หุ้นตามป่าแบบสุ่มและเครือข่ายประสาท LSTM ได้รับการเสนอเพื่อปรับปรุงประสิทธิภาพของการคาดการณ์สต็อก จากข้อมูลของดัชนีเซี่ยงไฮ้คอมโพสิตตั้งแต่ปี 2013 ถึง 2017 รุ่นนี้และโมเดลเครือข่ายประสาท PCA + LSTM จะถูกจําลองและเปรียบเทียบ ผลการทดลองแสดงให้เห็นว่ารุ่นนี้เหมาะสําหรับการคาดการณ์สต็อกมากกว่ารุ่น PCA + LSTM นอกจากนี้ผลตอบแทนของกลยุทธ์การซื้อขายตามสองรูปแบบข้างต้นสูงกว่ากลยุทธ์การซื้อและถือเกณฑ์มาตรฐานและกลยุทธ์การซื้อขายตามรูปแบบที่เสนอทํางานได้ดีที่สุด
การแปล กรุณารอสักครู่..
