基于LSTM神经网络的股票价格预测.pdfVIP

E-CommerceLetters电子商务评论,2025,14(6),600-611

PublishedOnlineJune2025inHans./journal/ecl

/10.12677/ecl.2025.1461781

基于LSTM神经网络的股票价格预测

戴慧茹

贵州大学数学与统计学院，贵州贵阳

收稿日期：2025年4月23日；录用日期：2025年5月9日；发布日期：2025年6月10日

摘要

股票价格预测是金融时间序列分析的重要研究方向，传统方法如ARIMA、SVM等存在难以捕捉非线性特

征和对时序依赖性建模能力有限的问题。随着深度学习发展，LSTM逐步应用于该领域，但深层LSTM架

构的训练稳定性与预测不确定性量化仍是挑战。本文提出改进的双层LSTM网络，引入双层LSTM结构、

双向Dropout正则化、Xavier正态分布权重初始化、梯度裁剪和动态学习率调度等优化策略。实验采用

Netflix公司2016~2025年股票历史数据，经数据清洗、归一化处理后，构建以收盘价为因变量的数据集。

以MAE、MAPE和RMSE为评价指标，将双层LSTM模型与RNN、ARIMA模型对比。结果表明，双层LSTM

模型训练损失曲线符合指数衰减规律，预测效果良好，测试集MAE为0.303、MAPE为3.21%、RMSE为

0.539，优于对比模型。消融实验验证了各改进策略的有效性，如双层结构使MSE降低20.9%、Dropout

使测试集MSE降低25.1%等。本研究在方法学上取得进展，提出层次化特征提取机制、构建动态正则化

体系、开发概率化预测框架，为量化投资提供了可操作风险指标和分级投资策略。然而，研究存在对突

发事件适应性有限、未考虑外部变量、长期预测可靠性可能降低等局限，未来可通过融合多模态输入提

升模型性能。

关键词

LSTM神经网络，股票预测，时间序列

StockPricePredictionBasedon

LSTMNeuralNetwork

HuiruDai

SchoolofMathematicsandStatistics,GuizhouUniversity,GuiyangGuizhou

rdthth

Received:Apr.23,2025;accepted:May9,2025;published:Jun.10,2025

Abstract

Stockpricepredictionisacrucialresearchdirectioninfinancialtimeseriesanalysis.Traditional

文章引用:戴慧茹.基于LSTM神经网络的股票价格预测[J].电子商务评论,2025,14(6):600-611.

DOI:10.12677/ecl.2025.1461781

戴慧茹

methodssuchasARIMAandSVMstruggletocapturenonlinearfeaturesandexhibitlimitedcapa-

bilityinmodelingtemporaldependencies.Withtheadvancementofdeeplearning,LSTMhasbeen

increasinglyappliedtothisfield,yetchallengesremainintrainingstabilityfordeepLSTMarchitec-

turesanduncertaintyquantificationinpredictions.Thisstudyproposesanimproveddual-layer

LSTMnetwork