技術(shù)特征：

技術(shù)總結(jié)
本申請(qǐng)涉及一種智能終端及其基于LSTM的股票趨勢(shì)預(yù)測(cè)方法，包括：獲取目標(biāo)股票的歷史數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗、歸一化，按照時(shí)間劃分為訓(xùn)練數(shù)據(jù)集與測(cè)試數(shù)據(jù)集；對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行離線模型訓(xùn)練，以分別訓(xùn)練LSTM的多個(gè)神經(jīng)網(wǎng)絡(luò)模型；獲取訓(xùn)練數(shù)據(jù)對(duì)于多個(gè)神經(jīng)網(wǎng)絡(luò)模型輸出的預(yù)測(cè)值列表，并與實(shí)際的股票趨勢(shì)值進(jìn)行比較，計(jì)算得到多個(gè)神經(jīng)網(wǎng)絡(luò)模型作為組合模型時(shí)所占的權(quán)重值；利用測(cè)試數(shù)據(jù)集的測(cè)試數(shù)據(jù)對(duì)組合模型中的多個(gè)神經(jīng)網(wǎng)絡(luò)模型評(píng)估預(yù)測(cè)效果，以此調(diào)整所述多個(gè)神經(jīng)網(wǎng)絡(luò)模型作為組合模型時(shí)所占的權(quán)重值。本申請(qǐng)通過(guò)組合模型的方式，避免單個(gè)LSTM模型的簡(jiǎn)單預(yù)測(cè)方法誤差較大且實(shí)用性較低的問(wèn)題。

技術(shù)研發(fā)人員：張璐;范小朋;須成忠
受保護(hù)的技術(shù)使用者：深圳先進(jìn)技術(shù)研究院
技術(shù)研發(fā)日：2017.05.16
技術(shù)公布日：2017.07.28