简介：摘要为了建立更为贴近股市实际情况的预测模型，将神经网络在股票价格预测上的应用作为基础，利用神经网络的鲁棒性，建立添加了模拟股市波动干扰的神经网络，利用有外部信息扰动的神经网络验证了不同神经网络应对干扰的能力。在模拟股市真实情况对股票特征数据和神经网络进行摄动时，相比RNN和GRU，LSTM在应对外部信息时更能保持相对稳定的预测结果。这一结果为后续对股市具体情况的模拟和更深层次的基于外部信息的股市研究提供了参考。
基于股市外部信息的神经网络鲁棒性研究
