Keras深度学习实战（32）——基于LSTM预测股价
0. 前言1. 模型与数据集分析1.1 数据集分析1.2 模型分析 2. 基于长短时记忆网络LSTM预测股价2.1 根据最近五天的股价预测股价2.2 考虑最近五天的股价和新闻数据 小结系列链接0. 前言
股价预测是时间序列预测中最具挑战性的问题之一，研究股价预测问题具有重要的理论意义和应用价值。大多数有关股价预测的技术分析都依赖于历史模式，鉴于循环神经网络 (Recurrent neural networks,RNN) 模型就是通过考虑历史数据来做出决策，因此，RNN模型非常适合做金融时间序列的预测。同时，长短时记忆网络模型长短时记忆网络 (Long Short Term Memory,LSTM) 模型预测股价的误差值比RNN要小，因此选择LSTM模型预测金融时间序列更合适。
