基于多因素RF-LSTM模型的上证指数预测研究

金融市场一直以来都是研究的热点领域,股票作为金融市场的重要产品也备受关注.传统的统计方法无法很好地同时满足金融数据的非线性和高度时序性,而基于单因素的机器学习方法又无法完美地解释金融数据的高度波动性.本文结合前人的研究,选择了经济、技术、相关市场和投资者情绪四大影响因素,共计43个重要变量并划分出三个子样本,采用基于多因素RF-LSTM模型来预测上证指数收盘价.实证结果表明,在不同的趋势下,基于多因素的RF-LSTM模型平均表现优于统计模型ARIMA、单因素的SVR和LSTM模型.进一步分析发现今日开盘价是模型中最重要的变量,投资者情绪在不同趋势下对模型有着不同程度的影响.这将为后续研究金融数据提供新的思路和借鉴,也为经济发展趋势和市场监管提供新的理论依据.