stock price correlation ARIMA LSTM 源码

使用ARIMA-LSTM的股票价格相关性 马特奥·奥索里奥(Mateo Osorio) 达蒙·达米科(Damon D'Amico) 西北大学计算机科学系 抽象的 投资者已经发现,让计算机预测股票价格是有希望的,并且通常比让人们做出相同的预测更好的对冲金融赌注的方法。 计算机进行此预测的一种重要方式是通过计算股票之间的相互关系。 该项目是对找到这种相关性的一种方法的探索,其中一种使用了两种方法的组合:自回归综合移动平均值(ARIMA)和长短期记忆(LSTM)递归神经网络。 方法的组合可显着提高性能。 该工作全部基于一篇论文,该论文由首尔高丽大学的Hyeong Kyu Choi于2018年撰写。您将在此处阅读的所有技术工作以及所提供的代码均直接基于Choi的工作,应就这样归功于他们。 本文只是对Choi所使用的方法的探索,希望创建可消化的信息源,并讲述了Choi的代码和方法的使用和复制。