2023，59（6）近年来，随着经济的快速发展，股票市场规模不断扩大，越来越多的人参与其中进行投资。股票市场中最受关注的问题之一就是股票价格的变化趋势，因为成功地预测股票价格会使投资者做出正确的决定，在降低投E-V-ALSTM模型的股价预测邓德军1，徐洪珍1，2，3，韦诗玥11.东华理工大学信息工程学院，南昌3300132.东华理工大学软件学院，南昌3300133.江西省网络空间安全智能感知重点实验室，南昌330013摘要：针对股票价格非平稳、非线性、高复杂和随机波动等特性使其预测难度大的问题，提出一种基于E-V-ALSTM混合深度模型的股票价格预测方法。使用经验模态分解（EMD）对股票价格数据进行第一次分解，得到若干固有模态函数（IMFs）和一个残差（Res），降低了股票价格数据的非平稳性和非线性；使用样本熵（SampEn）对这些IMFs进行复杂性评估；将复杂度高于一定阈值的IMFs使用变分模态分解（VMD）进行二次分解，以降低股票价格数据的复杂性；通过加入注意力机制的长短期记忆神经网络（LSTM）模型进行预测，捕捉关键时间点特征信息，重新赋予权重，以解决股票价格数据的随机波动性，提升预测方法的精确度。对沪深300指数和德国DAX指数等数据集上的实验结果表明，该模型比其他对比模型能进一步提高股票价格预测的准确性。关键词：股票价格预测；二次分解；样本熵；注意力机制；长短期记忆神经网络（LSTM）文献标志码：A中图分类号：TP183doi：10.3778/j.issn.1002-8331.2207-0482StockPricePredictionBasedonE-V-ALSTMModelDENGDejun1,XUHongzhen1，2，3,WEIShiyue11.SchoolofInformationEngineering,EastChinaUniversityofTechnology,Nanchang330013,China2.SchoolofSoftware,EastChinaUniversityofTechnology,Nanchang330013,China3.JiangxiKeyLaboratoryofCybersecurityIntelligentPerception,Nanchang330013,ChinaAbstract：Toaddresstheproblemthatthecharacteristicsofnon-stationary,non-linearity,highlycomplex,andstochasticfluctuationsofstockpricesmakeitdifficulttopredict,astockpricepredictionmethodbasedontheE-V-ALSTMhybriddepthmodelisproposed.Thedecompositionofthestockpricedataisperformedusingempiricalmodaldecomposition（EMD）toobtainseveralintrinsicmodalfunctions（IMFs）andaresidual（Res）toreducethenon-stationarityandnon-linearityofthestockpricedata.thecomplexityoftheseIMFsisassessedusingsampleentr...
