摘 要：针对目前股价预测模型在随着网络层数增加而导致梯度发生极端变化的问题，提出一种并联残差神经网络（ResNet）和门控循环单元（GRU）网络模型对股票数据的收盘价进行预测。在沪深 300 股票价格数据上的实验结果表明，该模型的平均绝对误差（MAE）为 6.714，均方根误差（RMSE）为 60.961，预测误差均低于其他模型；且决定系数（R2）为 99.472%，表明预测值和真实值较为接近。该模型对股票价格预测的效果较好。
关键词：股价预测；股票价格；残差神经网络；门控循环单元
DOI:10.19850/j.cnki.2096-4706.2023.04.029
中图分类号：TP183；F832.5 文献标识码：A 文章编号：2096-4706（2023）04-0113-04
Stock Price Prediction Based on Parallel ResNet-GRU Model
ZHAO Meng, WANG Qianying
(Hebei University of Economics and Business, Shijiazhuang, Hebei 050061, China)
Abstract: Aiming at the problem that the current stock price prediction model changes the gradient extremely as the number of layers of the network increases, a parallel ResNet and GRU network model are proposed to predict the closing price of stock data. Experimental results on the CSI 300 stock price data show that the Mean Absolute Error (MAE) of the model is 6.714, the Root Mean Square Error (RMSE) is 60.961, and the prediction error is lower than that of other models. And the coefficient of determination (R2 ) is 99.472%, which indicates that the predicted value and the true value are relatively close. The model has a better effect on stock price prediction.
Keywords: stock price prediction; stock price; ResNet; GRU
参考文献：
[1] 李俊豪 . 基于改进多元线性回归的股票价格预测模型 [J].科技经济市场，2019（8）：61-62+64.
[2] 刘松，张帅. 运用ARIMA模型对股价预测的实证研究 [J].经济研究导刊，2021（25）：76-78.
[3] 齐天铧 . 基于灰色模型与 ARIMA 模型的股票价格预测[J]. 计算机时代，2021（10）：83-85+89.
[4] 徐浩然，许波，徐可文 . 机器学习在股票预测中的应用综述 [J]. 计算机工程与应用，2020，56（12）：19-24.
[5] 张青 . 基于 ARIMA-SVM 组合模型的创业板股票价格预测分析 [J]. 广西质量监督导报，2019（12）：131-132.
[6] 黄超斌，程希明 . 基于 LSTM 神经网络的股票价格预测研究 [J]. 北京信息科技大学学报：自然科学版，2021，36（1）：79-83.
[7] 罗鑫，张金林 . 基于多时间尺度复合深度神经网络的股票价格预测 [J]. 武汉金融，2020（9）：32-40.
[8] 张倩玉，严冬梅，韩佳彤 . 结合深度学习和分解算法的股票价格预测研究 [J]. 计算机工程与应用，2021，57（5）：56-64.
[9] 赵红蕊，薛雷 . 基于 LSTM-CNN-CBAM 模型的股票预测研究 [J]. 计算机工程与应用，2021，57（3）：203-207.
[10] HE K M，ZHANG X Y，REN S Q，et al. Deep Residual Learning for Image Recognition [C]//Proceedings of 2016 IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas： IEEE，2016：770-778.
作者简介：赵萌（1997—），男，汉族，河北邯郸人，硕士研究生在读，研究方向：调查与大数据分析；王倩影（1984—），女，汉族，河北保定人，副教授，博士研究生，研究方向：深度学习。