基于极限梯度提升特征选择和二次分解的卷积门控循环单元股票预测方法

一种基于极限梯度提升特征选择和二次分解的卷积门控循环单元股票预测方法：A股股票历史行情数据采集；A股股票数据预处理；通过EMD和VMD对A股时序数据二次分解：对原始时序数据进行EMD分解，之后通过VMD对高频IMF进行二次分解；相空间重构，将一维时间序列数据转换为二维相空间；使用极限梯度提升方法进行特征选择；卷积门控循环单元模型框架构建：使用一个卷积层提取深度特征，两个GRU层进行数据预测；使用遗传算法对卷积门控循环单元参数进行优化；使用最优参数的门控循环单元模型对分解后的IMF预测；计算模型误差：通过均方误差、平均绝对误差、均方根误差和平均相对误差等指标对模型进行评估。本发明方法能够提高对于股票价格预测的准确性。