文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于LSTM-Attention组合模型的黄金价格预测

吴俊平,刘吉华,秦雨露

(湖北大学 商学院,湖北 武汉 430062)

栏目:信息化应用 · 第 2025 年第 11 期 · 页码:144-149,155 · 2096-4706(2025)11-0144-07 · 中图分类号:TP391.4 · 文献标识码:A · DOI:10.19850/j.cnki.2096-4706.2025.11.027

摘要

文章探讨了黄金价格预测的有效方法,提出了三种建模策略:单独的长短期记忆(LSTM)网络、基于注意力机制的模型,以及两者的组合模型。通过实证分析,系统地比较了这三种模型在黄金价格预测中的表现,重点评估了它们的预测准确性。实验结果表明,LSTM-Attention组合模型在预测精度上显著优于单独的LSTM和注意力模型,能够更全面地捕捉价格波动的动态特征。该模型不仅展示了LSTM与注意力机制的有效结合在时间序列预测中的潜力,也为金融决策提供了实用工具,为投资者在波动的市场环境中提供了有价值的参考。

关键词

黄金;LSTM;价格预测;Attention

参考文献

  1. [1] 徐静怡,孔梦奇.基于ARIMA模型对纽约COMEX黄金期货价格的研究 [J].中国商论,2022(18):123-125.
  2. [2] 罗洪奔.基于灰色-ARIMA的金融时间序列智能混合预测研究 [J].财经理论与实践,2014,35(2):27-34.
  3. [3] 刘璐,娄磊,刘先俊,等.基于LSTM的COMEX黄金期货价格预测对比研究 [J].长春理工大学学报:自然科学版,2021,44(2):129-135.
  4. [4] KIM H Y,WON C H. Forecasting the Volatility of Stock Price Index: A Hybrid Model Integratin LSTM with Multiple GARCH-type Models [J].Expert Systems with Applications,2018,103(1):25-37.
  5. [5] 欧阳红兵,黄亢,闫洪举.基于LSTM神经网络的金融时间序列预测 [J].中国管理科学,2020,28(4):27-35.
  6. [6] 杨晨,陈贵词.基于EMD-LSTM的国际黄金期货价格预测 [J].中南民族大学学报:自然科学版,2023,42(6):857-864.
  7. [7] 景志刚,施国良.基于小波分析的LS-SVM—ARIMA组合模型的黄金价格预测 [J].黄金,2017,38(5):5-8+14.
  8. [8] VASWANI A,SHAZEER N,PARMAR N,et al. Attention is All You Need [J/OL].arXiv:1706.03762 [cs.CL].(2017-06-12).https://arxiv.org/abs/1706.03762.
  9. [9] JIN X Y,WANG Y-X,YAN X F. Inter-series Attention Model for COVID-19 Forecasting [J/OL].arXiv:2010.13006 [cs.LG].(2020-10-25).https://arxiv.org/abs/2010.13006.
  10. [10] LI S Y,JIN X Y,XUAN Y,et al. Enhancing the Locality and Breaking the Memory Bottleneck of Transformer on Time Series Forecasting [C]//NeurIPS 2019.Vancouver:NIPS,2019:5243-5253.
  11. [11] CAI L,JANOWICZ K,MAI G,et al. Traffic Transformer: Capturing the Continuity and Periodicity of Time Series for Traffic Forecasting [J].Transactions in GIS,2020,24(3):736-755.
  12. [12] LI C,ZHANG X,QAOSAR M,et al. Multi-factor Based Stock Price Prediction Using Hybrid Neural Networks with Attention Mechanism [C]//IEEE International Symposium on Dependable, Autonomic and Secure Computing (DASC).Fukuoka:IEEE,2019:961-966.
  13. [13] 徐佳丽.基于注意力机制的CNN-LSTM沪金期货价格预测 [D].成都:成都理工大学,2021.
  14. [14] 王红,史金钏,张志伟.基于注意力机制的LSTM的语义关系抽取 [J].计算机应用研究,2018,35(5):1417-1420+1440.
  15. [15] 曹文南,张鹏程,贾旸旸.一种基于注意力机制的短临降雨预报方法 [J].计算机应用与软件,2023,40(2):48-53+81.
  16. [16] 周瑛,刘越,蔡俊.基于注意力机制的微博情感分析 [J].情报理论与实践,2018,41(3):89-94.

作者简介

吴俊平(2002—),男,汉族,湖北黄冈人,硕士在读,研究方向:数据分析、数据挖掘;刘吉华(1971—),男,汉族,湖北武汉人,副教授,博士,研究方向:神经网络、数据挖掘;秦雨露(2001—),女,汉族,湖北黄冈人,硕士在读,研究方向:数据分析、数据挖掘。