基于注意力机制融合TCN和LSTM的股价预测方法——以中国银行(601988)为例.pdfVIP

E-CommerceLetters电子商务评论,2025,14(4),637-645

PublishedOnlineApril2025inHans./journal/ecl

/10.12677/ecl.2025.144931

基于注意力机制融合TCN和LSTM的

股价预测方法

——以中国银行(601988)为例

*

徐赫，宋瑾钰

浙江理工大学计算机科学与技术学院(人工智能学院)，浙江杭州

收稿日期：2025年2月20日；录用日期：2025年3月13日；发布日期：2025年4月14日

摘要

随着我国金融市场的不断深化与发展，股票价格的波动预测成为投资者和研究者关注的焦点。本文以中

国银行(601988)为研究对象，使用Python爬取英为财经网站上的股价数据。在此基础上，提出了一种基

于注意力机制融合时间卷积网络(TCN)和长短期记忆网络(LSTM)的股价预测模型。通过对中国银行股票

的开盘价格进行训练与预测，本文所提出的模型在预测精度上优于传统的ARIMA模型和单一的LSTM模

型。实验结果显示，注意力机制融合TCN+LSTM模型在预测误差和损失函数MSE上均表现出较好的性能，

尤其在处理股票价格的极值点和长期趋势方面具有显著优势。本研究不仅为股票投资者提供了有效的预

测工具，也为金融时间序列分析领域提供了新的研究视角。

关键词

Python，时间卷积网络，长短期记忆神经网络，注意力机制，股价预测

StockPricePrediction

BasedonAttention-Fused

TCNandLSTM

—TakingBankofChina(601988)asanExample

HeXu,JinyuSong*

SchoolofComputerScienceandTechnology(SchoolofArtificialIntelligence),ZhejiangSci-TechUniversity,

HangzhouZhejiang

Received:Feb.20th,2025;accepted:Mar.13th,2025;published:Apr.14th,2025

*通讯作者。

文章引用:徐赫,宋瑾钰.基于注意力机制融合TCN和LSTM的股价预测方法[J].电子商务评论,2025,14(4):637-645.

DOI:10.12677/ecl.2025.144931

徐赫，宋瑾钰

Abstract

AsChina’sfinancialmarketcontinuestodeepenandevolve,forecastingstockpricefluctuationshas

becomeafocalpointforbothinvestorsandresearchers.Inthisstudy,ChinaBank(601988)isse-

lectedasthecasestudy,andstockpricedataiscollectedusingPythonfromtheIweb-

site.Buildingonthisfoundation,weproposeanovelstockpricepredictionmodelthatintegrates

featuresfromaTemporalConvolutionalNetwork(TCN)andaLongShort-TermMemory(LSTM)

networkthroughanAttentionMechanism.BytrainingandforecastingtheopeningpricesofChina

Bank’sstocks,ourresultsdemonstratethattheproposedmodelachieveshigherpredictio