随着经济的飞速发展,股票已然成为了一种最常见的投资方式。股票市场是一个国家市场经济的产物。股票作为一种高风险、高收益的投资,与经济的发展有着直接的关系。股票可以作为一个国家的经济晴雨表,股市的好坏直接预示经济发展趋势。对于一个国家来说,对股票市场进行准确的预测就是了解国家的经济发展形势。而对于股票投资者来说,想要尽量避免投资风险,获得较高收益,就是要选择一种更加准确的方法来预测股票走势。由于影响股票市场的因素有很多,比如国家政策、政治因素、国际环境、利率水平、物价水平、经营状况、收益情况以及投资心理等。是一个内部规律极其复杂的非线性非平稳的动态系统,所以很难进行准确的预测,国内外很多研究学者对股票价格预测做了大量工作,也提出了许多很有价值预测方法。一些常见的模型,例如线性回归模型,时间序列模型等统计模型,也有一些人工智能模型,像神经网络、遗传算法等模型被越来越多的应用到股价的预测中。目前,描述性时间序列分析方法已经被广泛的应用到各个自然看看科学领域,如海洋学、天文学、地质学等,通过收集数据、比较数据和研究数据,常常会发现一些意想不到的自然规律。20世纪二十年代之前,时间序列的研究重心是专注于数据之间的比较,而二十年代开始出现变化,转而开始研究时间序列数据内部的联系。时间序列分析能够通过分析时间序列数据内部的相互关系,找出发展趋势,时间序列分析这一优势使其在金融、保险、心理学等多个研究领域中得到广泛应用。本文介绍了时间序列和股票预测的发展历史及研究情况,阐述了时间序列的概念和常用方法以及LSTM神经网络方法,最后通过实证分析对比,确定LSTM预测效果最好。