论文标题
预测Arima和LSTM的股票价格
Predict stock prices with ARIMA and LSTM
论文作者
论文摘要
MAE，MSE和RMSE性能指标用于分析本文LSTM和Arima模型预测的不同股票的性能。从finance.yahoo.com选出的50家公司股票被选为实验中的研究对象。这项工作中使用的数据集包括交易日的最高价格，对应于2010年1月1日至2018年12月31日的期间。对于LSTM模型，2010年1月1日至2015年12月31日的数据被选为培训集，2016年1月1日至2017年1月1日至31日的数据作为验证集和2018年1月1日至2018年1月31日的数据。根据Arima模型的任期，从2016年1月1日至2017年12月31日的数据被选为培训集，以及2018年1月1日至2018年12月31日的数据作为测试集。对于这两种模型，使用60天的数据来预测第二天。经过分析后，建议ARIMA和LSTM模型都可以预测股票价格，并且预测结果通常与实际结果一致； LSTM在预测股票价格（尤其是表达股票价格变化）方面具有更好的性能，而Arima的应用更方便。
MAE, MSE and RMSE performance indicators are used to analyze the performance of different stocks predicted by LSTM and ARIMA models in this paper. 50 listed company stocks from finance.yahoo.com are selected as the research object in the experiments. The dataset used in this work consists of the highest price on transaction days, corresponding to the period from 01 January 2010 to 31 December 2018. For LSTM model, the data from 01 January 2010 to 31 December 2015 are selected as the training set, the data from 01 January 2016 to 31 December 2017 as the validation set and the data from 01 January 2018 to 31 December 2018 as the test set. In term of ARIMA model, the data from 01 January 2016 to 31 December 2017 are selected as the training set, and the data from 01 January 2018 to 31 December 2018 as the test set. For both models, 60 days of data are used to predict the next day. After analysis, it is suggested that both ARIMA and LSTM models can predict stock prices, and the prediction results are generally consistent with the actual results;and LSTM has better performance in predicting stock prices(especially in expressing stock price changes), while the application of ARIMA is more convenient.
