基于 TF-IDF_VaR_GRU_Attention 模型的股票预测研究

蔡 伟斌, 赵 婧, 强 嘉豪, 王 安奇
西京学院

摘要

针对股票的特征选取和风险量化问题，提出了一种基于 TF-IDF 的特征评分、VaR 风险评估和 Attention 机制的
股票预测模型。通过消融实验，对比了 5 种基于 LSTM 神经网络的模型和 3 种基准模型，发现本文提出的 TF_IDF_GRU_
VaR_Attention 模型在 RMSE、MSE 和 MAE 评价指标均优于对比模型。可知基于 TF-IDF_GRU_VaR_Attention 的预测模
型对比传统基准模型和当下流行的模型，能更为准确地预测股票的涨跌趋势。

关键词

股票预测；TF-IDF；GRU 模型；VaR 风险评估；注意力机制

参考

[1] 张兆瑞 , 穿透量化投资的迷雾 , in 新金融观察 2021.

20.

[2] 彭燕 , 刘宇红与张荣芬 , 基于 LSTM 的股票价格预测

建模与分析 . 计算机工程与应用 , 2019. 55(11): 209-212.

[3] 傅廷君 , 基于券商研究报告的股票价格趋势预测 ,

2017, 暨南大学 .

[4] 杨蓦 , 王静 . 基于时空注意力机制的双向长短期记忆

神经网络的股指预测研究 [J]. 运筹与管理 ,2023,32(08):174-

180.