量化投资中LSTM模型在股票价格预测中的局限.docxVIP

量化投资中LSTM模型在股票价格预测中的局限

引言

在量化投资领域，利用机器学习模型预测股票价格是近年来的研究热点。长短期记忆网络（LongShort-TermMemory,LSTM）作为循环神经网络（RNN）的改进版本，因其在处理时序数据时能有效捕捉长期依赖关系，被广泛应用于股票价格预测任务中。从早期的学术研究到金融机构的实际策略开发，LSTM模型凭借其对时间序列的动态建模能力，一度被视为突破传统线性模型局限性的关键技术（HochreiterSchmidhuber,1997）。然而，随着实践应用的深入，研究者和从业者逐渐发现，LSTM模型在股票价格预测中并非万能，其性能表现受限于