STOCK PRICE PREDICTION USING A HYBRID LSTM-GNN MODEL: INTEGRATING TIME-SERIES AND GRAPH-BASED ANALYSIS
创建于 更新于
摘要
本文提出了一种将长短期记忆网络（LSTM）与图神经网络（GNN）融合的混合模型，结合时间序列与股票间关系数据，显著提升了股价预测的准确性。经扩展窗口验证训练，该模型在历史数据上的均方误差（MSE）为0.00144，较单独LSTM模型降低了10.6%。相较线性回归、卷积神经网络（CNN）和全连接网络，混合模型表现出更强的鲁棒性和泛化能力。该研究证明结合时序动态和股票关联性是提升金融市场预测效果的有效途径，为实时交易和风险管理提供了有力工具 [page::0][page::1][page::4][page::6][page::7][page::8][page::9][page::10].
