摘要
随着计算技术的快速发展，海量数据与信息正持续积累。尤其在金融领域，通过对这些信息进行分析，我们具备了创造有价值洞察的巨大机遇，因为金融市场持续生成大量实时数据，包括交易记录等。因此，本研究旨在利用现有的金融数据，构建一种新型的股票市场预测模型。鉴于深度学习在处理大规模数据集方面具有卓越的学习能力，本研究采用深度学习技术。本文提出一种融合长短期记忆网络（LSTM）与遗传算法（GA）的混合方法。以往，LSTM网络的时间窗口大小及网络结构参数通常依赖基于经验的试错法进行估算。本研究通过引入遗传算法，提出一种系统化方法，用于分析股票市场数据的时间特性，从而科学确定LSTM网络的时间窗口大小与网络拓扑结构。为评估所提出的混合方法，本文选取韩国综合股价指数（KOSPI）的日度数据进行实验。实验结果表明，LSTM与GA相结合的混合模型在预测性能上显著优于基准模型。