深度学习模型与新闻标题能否优于外汇数据的常规预测技术？
机器学习
2022-05-24 v1 人工智能
摘要
外汇（FOREX）是一个用于货币兑换的去中心化全球市场。外汇市场规模庞大，且全天候 24 小时运作。除国家特有因素外，外汇交易还受跨国联系与各类全球事件的影响。近期如 COVID19 疫情与地方性选举等突发情景亦会对市场价格产生显著影响。本工作中，我们测试并比较了融合新闻条目等外部要素的多种预测方法。此外，我们将经典机器学习方法与深度学习算法进行了对比。我们还利用基于 NLP 的词嵌入从新闻标题中提取情感特征，并比较了相应性能。结果表明，对于下一步两小时、次日及七天等单步预测，线性、SGD 与 Bagged 等简单回归模型优于 LSTM 与 RNN 等深度学习模型。令人意外的是，新闻文章未能改善预测，表明仅领域相关且贴切的信息才具增益价值。在文本向量化技术中，Word2Vec 与 SentenceBERT 表现更优。
引用
@article{arxiv.2205.10743,
title = {Do Deep Learning Models and News Headlines Outperform Conventional Prediction Techniques on Forex Data?},
author = {Sucharita Atha and Bharath Kumar Bolla},
journal= {arXiv preprint arXiv:2205.10743},
year = {2022}
}
备注
Accepted at ICADCML 2022