基于 Autoencoder-CNN-GANs 的加密货币交易策略开发

本文利用机器学习算法对金融时间序列进行预测与分析。首先采用去噪自编码器过滤出主合约价格数据中的随机噪声波动；随后使用一维卷积降低数据的维数并提取关键信息。经去噪和降维后的价格数据输入到 GANs 网络，其输出作为全连接网络的输入。通过交叉验证训练模型，以捕捉大幅价格波动前的特征。模型对实时价格序列中显著价格变化的可能性和方向进行预测，并在预测准确率高下的时刻进行交易。实证结果表明，利用自编码器和卷积对金融数据进行去噪和降维，再结合 GANs，能够实现一定水平的预测性能，验证了机器学习算法发现金融序列潜在模式的能力。