Stock Price Prediction Using Time Series, Econometric, Machine Learning, and Deep Learning Models
使用时间序列、计量、机器学习与深度学习模型预测股价AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：题名与摘要主体明确研究股票价格预测并比较时间序列模型，因此选择金融预测与时间序列，收益预测本身未被说明。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
使用时间序列、计量、机器学习与深度学习模型预测股价
- 研究问题
- 对信息技术、银行和医药行业的三只股票，不同时间序列及学习模型的预测表现如何，比较结果是否随行业发生变化？
- 方法与思路
- 作者使用三家公司 2004 年 1 月至 2019 年 12 月的数据训练和测试六类模型，包括指数平滑、ARIMA、随机森林、MARS、RNN 和 LSTM。
- 材料陈述的贡献
- 摘要称 MARS 在机器学习及整体比较中表现最佳，LSTM 在深度学习模型中最佳；但最后将整体预测任务表述为销售预测。
- 阅读关注点
- 应核对预测目标究竟是股价还是销售额、训练测试划分、预测期限、评价指标及调参流程，并检查时间顺序和数据泄漏问题。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要存在股价与销售预测表述不一致，且未报告指标数值，结论不能外推为普遍优势。
原文摘要
For a long-time, researchers have been developing a reliable and accurate predictive model for stock price prediction. According to the literature, if predictive models are correctly designed and refined, they can painstakingly and faithfully estimate future stock values. This paper demonstrates a set of time series, econometric, and various learning-based models for stock price prediction. The data of Infosys, ICICI, and SUN PHARMA from the period of January 2004 to December 2019 was used here for training and testing the models to know which model performs best in which sector. One time series model (Holt-Winters Exponential Smoothing), one econometric model (ARIMA), two machine Learning models (Random Forest and MARS), and two deep learning-based models (simple RNN and LSTM) have been included in this paper. MARS has been proved to be the best performing machine learning model, while LSTM has proved to be the best performing deep learning model. But overall, for all three sectors - IT (on Infosys data), Banking (on ICICI data), and Health (on SUN PHARMA data), MARS has proved to be the best performing model in sales forecasting.