基于相空间重构和门控循环单元的股价预测研究

摘要

准确预测股价波动是金融投资关注的焦点问题。股价波动受多种因素影响，具有非线性特征，传统的线性预测方法往往难以奏效。文章选择A股5个代表性股指与5只大市值股票为样本，使用其2020—2023年的日收盘价数据，首先，借助相空间重构技术(Phase Space Reconstruction, PSR)将股价时间序列映射到高维空间中，揭示其混沌特征；然后，基于门控循环单元(Gate Recurrent Unit, GRU)深度学习方法开发出PSR-GRU预测模型，生成股价预测结果；最后，将预测结果与经典预测模型所得结果进行对比。结果发现，股价波动具有混沌特性，PSR-GRU模型在股价预测上表现出更优异的性能。

关键词

相空间重构 / 门控循环单元 / 混沌理论 / 深度学习