基于深度学习的平安银行股价波动特征及预测研究.pdfVIP

Finance金融,2025,15(1),93-103

PublishedOnlineJanuary2025inHans./journal/fin

/10.12677/fin.2025.151012

基于深度学习的平安银行股价波动特征及

预测研究

赵恺晨

西安外国语大学经济金融学院，陕西西安

收稿日期：2024年10月24日；录用日期：2024年11月13日；发布日期：2025年1月8日

摘要

本文探讨了应用长短期记忆网络(LSTM)模型在平安银行股价波动特征分析及预测中的可行性。随着金融

市场复杂性和动态性的增加，传统时间序列预测方法面临诸多挑战。LSTM作为一种深度学习方法，因其

在处理长时间依赖关系方面的优势，成为股票价格预测研究中的重要工具。首先，本文对平安银行的历

史股价数据进行了分析，提取了趋势、季节性和随机波动等时间序列特征。基于这些特征，设计并构建

了LSTM模型，并通过训练集和测试集对模型进行验证和评估。实验结果表明，LSTM模型在平安银行股

价预测中具有较高的准确性和稳健性。与传统的ARIMA模型和简单神经网络相比，LSTM模型能更有效

地捕捉股价的非线性动态特征，显著提高