基于多特征量分析XGBoost-EMD-LSTM模型的股票价格预测.pdfVIP

AdvancesinAppliedMathematics应用数学进展,2025,14(4),558-571

PublishedOnlineApril2025inHans./journal/aam

/10.12677/aam.2025.144186

基于多特征量分析XGBoost-EMD-LSTM模型

的股票价格预测

郑洁，颜七笙*

东华理工大学理学院，江西南昌

收稿日期：2025年3月18日；录用日期：2025年4月11日；发布日期：2025年4月21日

摘要

高效且准确地预测股票价格一直是研究者们不断追求的目标，由于股票价格呈现出明显的非线性、非平

稳性及时序性的特征，提升股价预测的准确性成为了研究的重点。提出一种基于多特征量分析极端梯度

提升(eXtremegradientboosting,XGBoost)模型以及基于经验模态分解(EmpiricalModeDecomposi-

tion,EMD)和长短期记忆(longshort-termmemory,LSTM)模型的组合预测方法对股票收盘价进行预测。

首先，建立XGBoost模型对股票收盘价进行预测，并将预测结果作为新变量添加到原始数据的特征中，

形成新的多元时间序列的数据；其次，用EMD算法分解新数据得到有限个本征函数；最后，建立LSTM模

型并建模，得到最后的预测结果。通过仿真实验结果表明，本文的模型相比于RNN模型、单特征LSTM模

型、多特征LSTM模型、XGBoost模型、EMD-LSTM模型、EMD-RNN模型，所提出模型的预测精度更高、

效果更好。说明提出的方法能够有效提高预测准确性，具有一定的参考价值，对于投资者的决策具有积

极的指导意义。

关键词

股票价格预测，XGBoost模型，经验模态分解，长短期记忆网络

StockPricePredictionBasedon

Multi-FeatureAnalysisUsingthe

XGBoost-EMD-LSTM

JieZheng,QishengYan*

SchoolofScience,EastChinaUniversityofTechnology,NanchangJiangxi

ththst

Received:Mar.18,2025;accepted:Apr.11,2025;published:Apr.21,2025

*通讯作者。

文章引用:郑洁,颜七笙.基于多特征量分析XGBoost-EMD-LSTM模型的股票价格预测[J].应用数学进展,2025,14(4):

558-571.DOI:10.12677/aam.2025.144186

郑洁，颜七笙

Abstract

Efficientandaccuratestockpricepredictionhasbeenacontinuouspursuitforresearchers.Dueto

thesignificantnonlinearity,non-stationarity,andtime-seriescharacteristicsofstockprices,im-

provingpredictionaccuracyhasbecomeakeyresearchfocus.Thispaperproposesacombinedfore-

castingmethodforstockclosingpricesbasedonmulti-featureanalysisusingtheeXtremeGradient

Boosting(XGBoost)modelandahybridmodelinc