一种基于深度学习的金融时间序列股票价格预测方法及系统

本发明公开了一种基于深度学习的金融时间序列股票价格预测方法及系统，包括以下步骤：数据预处理；构建改进的生成对抗网络(GAN)模型；模型训练与优化；预测结果输出。该基于深度学习的金融时间序列股票价格预测方法及系统，通过结合CNN、LSTM、注意力机制和改进GAN模型，能有效处理股票数据的长期依赖问题，捕捉数据中的复杂模式和趋势，提高预测准确性，从实验数据看，改进后的GAN‑LSTM‑CNN‑Attention模型在MAPE、RMSE、MAE和R2等指标上表现出色，相比LSTM、CNN、LSTM‑CNN等模型，误差更低、拟合效果更好，能为投资者提供更可靠的价格预测参考，通过采用多种策略减轻模型过拟合，如数据分组训练、精简网络结构、使用合适激活函数等，增强了模型的泛化能力。