兼容金融时间序列数据的深度神经网络框架，包含数据预处理器、神经网络模型与交易策略
机器学习
2022-05-18 v1 人工智能
计算工程、金融与科学
摘要
经验表明，股票和加密货币市场的交易具有获得高额利润的潜力。鉴于此，近期已有大量研究致力于探索如何应用机器学习和深度学习来解释和预测市场行为。本研究引入了一种新的深度神经网络架构，以及一种在将金融数据输入模型前对其进行预处理的新思路。在数据准备部分，第一步是利用技术指标生成大量特征，然后应用 XGBoost 模型进行特征工程。第二步，将数据分为三类并使用独立的自动编码器，提取高级混合特征。引入这种数据预处理方法是为了预测价格变动。在建模方面，设计了不同的卷积层、一个长短期记忆单元和多个全连接层来执行二分类任务。本研究还引入了一种利用训练好的模型输出进行交易的策略。使用三个不同的数据集对该方法进行评估，结果表明该框架能够提供有利可图且稳健的预测。
引用
@article{arxiv.2205.08382,
title = {Compatible deep neural network framework with financial time series data, including data preprocessor, neural network model and trading strategy},
author = {Mohammadmahdi Ghahramani and Hamid Esmaeili Najafabadi},
journal= {arXiv preprint arXiv:2205.08382},
year = {2022}
}
备注
26 pages, 17 figures, 7 tables