CLVSA：一种基于卷积LSTM的带注意力变分序列到序列模型用于预测金融市场趋势
统计金融
2022-01-31 v1 机器学习
计算金融
交易与市场微观结构
摘要
金融市场是一个复杂的动力系统。其复杂性源于市场与其参与者之间的相互作用，换言之，全体参与者活动的综合结果决定了市场趋势，而市场趋势又影响参与者的活动。这些交织的相互作用使金融市场不断演化。受成功捕捉语音、视频等自然序列数据中可变性的随机循环模型启发，我们提出CLVSA，一种由随机循环网络、序列到序列架构、自注意力与互注意力机制以及卷积LSTM单元组成的混合模型，以变分方式捕捉原始金融交易数据中的潜在特征。基于2010年1月至2017年12月六种期货的回测结果，我们的模型优于卷积神经网络、普通LSTM网络以及带注意力的序列到序列模型等基础模型。实验结果表明，通过引入近似后验，CLVSA利用基于Kullback-Leibler散度的额外正则化项来避免自身陷入过拟合陷阱。
引用
@article{arxiv.2104.04041,
title = {CLVSA: A Convolutional LSTM Based Variational Sequence-to-Sequence Model with Attention for Predicting Trends of Financial Markets},
author = {Jia Wang and Tong Sun and Benyuan Liu and Yu Cao and Hongwei Zhu},
journal= {arXiv preprint arXiv:2104.04041},
year = {2022}
}
备注
7 pages, Proceedings of the Twenty-Eighth International Joint Conference on Artificial Intelligence (IJCAI-19)