CNN-LSTM ベイジアンネットワークに基づく株価予測
金融分野において、株価の予測は常に非常に懸念され、困難な問題です。従来の手法では通常、時系列モデルが使用されますが、これらのモデルでは関連する要素間の複雑な関係を考慮できないことがよくあります。この論文では、株価をより正確に予測することを目的とした、ベイジアン ネットワーク、CNN、および LSTM に基づくハイブリッド モデルを提案します。
ベイジアン ネットワークの役割は、関連する要素間の依存関係を捉えることですが、CNN は時系列データ内の特徴情報を効果的に抽出できます。LSTM は、長期的な依存関係や非線形関係を扱うのに適しています。したがって、モデル全体はベイジアン ネットワーク、CNN、LSTM を有機的に組み合わせています。
モデルの主な手順は次のとおりです。
-
データ収集: Yahoo Finance から Apple Inc (AAPL) の履歴データ (毎日の始値、最高値、最低値、終値、取引量など) を取得します。
-
データ前処理: 対数変換、正規化、差分処理を通じて生データを滑らかな時系列データに変換します。
-
ベイジアン ネットワーク モデリング: Python のベイジアン ネットワーク ライブラリを使用して、処理された時系列データに基づいてベイジアン ネットワーク モデルが構築されました。
-
CNN-LSTM モデルの確立: ベイジアン ネットワーク構造と CNN-LSTM フレームワークが結合され、入力は以前に処理された時系列データ、出力は翌日の株価です。
-
トレーニングとテスト: 最尤推定を使用してモデルをトレーニングし、テスト セットの結果をグランド トゥルースと比較します。モデルのパフォーマンスは、平均二乗誤差と平均絶対誤差によって評価されました。
完全な Python コードは次のとおりです。
# 导入必要的库
import pandas as