使用神经网络预测下一个时间步外汇市场股票价格

摘要 目的：本研究旨在利用递归神经网络（RNN）架构，特别是长短期记忆（LSTM）和门控递归单元（GRU），结合双向层，预测外汇市场EUR/JPY货币对的收盘价。 方法：数据集包括从Yahoo Finance获取的每小时价格数据，并进行了相应的预处理。数据被分为训练集和测试集，并为输入模型构建了时间序列序列。使用Adam优化算法和均方误差（MSE）损失指标训练RNN、LSTM和GRU模型。 结果：结果表明，LSTM模型，特别是与双向层结合时，在预测性能上优于其他模型，表现为更低的MSE值。 结论：因此可以得出结论，具有双向层的LSTM模型是预测外汇市场EUR/JPY货币对收盘价的最有效模型。这些发现为参与金融市场预测和神经网络建模的从业者和研究人员提供了宝贵的见解。