面向深度蜡烛图学习器的数据增强

要成功构建深度学习模型，需要大量标注数据。然而，在许多应用场景中标注数据难以收集。为应对这一问题，近来提出了一系列数据增强方法，并在计算机视觉、自然语言等领域取得了成功。据我们所知，针对金融交易数据取得成功的数据增强框架鲜有研究。本文提出一种改进局部搜索攻击采样方法来增强蜡烛图数据，这是专业交易员非常重要的工具。我们的结果表明，所提方法能生成高质量、人类难以区分的数据，并将为金融界即便在数据集较小时使用现有机器学习技术开辟新途径。