×
模态框(Modal)标题
在这里添加一些文本
关闭
关闭
提交更改
取消
确定并提交
×
模态框(Modal)标题
×
Toggle navigation
首页
学报介绍
下载中心
过刊浏览
联系我们
图/表 详细信息
元学习与因果分析驱动的股价预测混合模型
肖焕瑀, 郭躬德
南京大学学报(自然科学版), 2025, 61(
6
): 977-986. DOI:
10.13232/j.cnki.jnju.2025.06.008
参数值
MSE
R
2
训练时间
(s·epoch
-1
)
LSTM
单元数
50
0.0135
0.8621
42
100
0.0116
0.8936
78
150
0.0122
0.8814
121
d
_model
8
0.0128
0.8732
69
16
0.0116
0.8936
78
32
0.0138
0.8527
92
Dropout率
0.2
0.0121
0.8732
75
0.3
0.0116
0.8936
78
0.4
0.0119
0.8875
80
表2
关键超参数对模型性能的影响
本文的其它图/表
图1
LSTM 的模型结构
图2
SE与MHA的联合架构
图3
Meta⁃LSTM模型的总体流程图
图4
基于注意力机制的堆叠式LSTM网络
图5
Flatten 层重塑序列输出
表1
滚动窗口交叉验证方法
表3
模型主要参数设置
图6
其他银行与中国银行的因果关系
图7
滞后期与
p
的热力图
图8
任务权重的分布图
图9
任务难度的分数图
图10
使用Meta⁃SE (MHA)⁃LSTM对中国银行的股价进行预测的结果和实际股价的对比
表4
各模型股价预测实验结果