深度学习模型用于股票市场趋势预测评估
机器学习
2024-08-23 v1
摘要
股票市场是金融体系的基本组成部分，反映经济健康状况，提供投资机会，并影响全球动态。准确的股票市场预测可带来显著收益，并促进更好的投资决策。然而，由于其非线性和随机性质，股票市场趋势预测颇具挑战性。本研究探讨了使用来自标普 500 指数和巴西 ETF EWZ 的每日和每小时收盘价进行短期趋势预测的高级深度学习模型的有效性。所探索的模型包括时间卷积网络 (TCN)、Neural Basis Expansion Analysis for Time Series Forecasting (N-BEATS)、Temporal Fusion Transformers (TFT)、Neural Hierarchical Interpolation for Time Series Forecasting (N-HiTS) 和 Time-series Dense Encoder (TiDE)。此外，我们引入了为时间序列预测优化的 Extended Long Short-Term Memory for Time Series (xLSTM-TS) 模型，一种针对时间序列预测的 xLSTM 变体。对信号进行小波去噪处理，以平滑信号并减少细微波动，为所有方法提供干净的数据作为输入。去噪显著提高了预测股票价格方向的性能。在所测试的模型中，xLSTM-TS 始终表现最佳。例如，它在 EWZ 每日数据集上实现了 72.82% 的测试准确率和 73.16% 的 F1 分数。通过利用先进的深度学习模型和有效的数据预处理技术，本研究为机器学习在市场走势预测中的应用提供了有价值的见解，突显了其潜力与挑战。
引用
@article{arxiv.2408.12408,
title = {An Evaluation of Deep Learning Models for Stock Market Trend Prediction},
author = {Gonzalo Lopez Gil and Paul Duhamel-Sebline and Andrew McCarren},
journal= {arXiv preprint arXiv:2408.12408},
year = {2024}
}