《表1 上海浦发银行各模型评价指标比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于粒子群优化LSTM的股票预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步验证该模型的预测性能，表1给出各预测模型的评价指标计算结果。PSO-LSTM模型预测误差在RMSE、MAPE、MAE、MSE评价标准下都低于其他预测模型；在决定系数R2评价标准中，该模型计算结果比其他预测模型更接近1，表明PSO-LSTM模型的预测性能优于其他模型。特别地，PSO-LSTM模型MAPE指标比ARIMA模型低71%，比RNN模型低31%，模型预测精度显著提高；PSO-LSTM模型的各项指标优于LSTM模型，但两者差距并不明显，主要原因是这两种预测模型具有相同的单元结构；而PSO-LSTM模型最突出的优势在于构建过程中不需要人工调参，而且预测结果比普通LSTM模型更优。