论文部分内容阅读
生成对抗网络(GAN)在进行时间序列预测时存在预测精度不高、模型不稳定等问题。针对上述问题,提出经验模态分解生成对抗网络(EMD-WGAN)模型。该模型在保留WGAN-GP优点的基础上,由经验模态分解(EMD)与长短期记忆神经网络(LSTM)结合作为生成器,卷积神经网络(CNN)作为判别器;将WGAN-GP生成器损失函数与均方误差结合作为生成器的目标函数,以提高模型稳定性;基于2002年-2019年的沪深300指数对该模型的生成器和判别器进行对抗训练。通过与典型的金融时间序列预测方法对比,实验结果表