动态深度卷积蜡烛图学习器

蜡烛图形态是金融交易中最基本且有价值的图形工具之一，可帮助交易者观察当前市场状况以做出正确决策。该任务历史悠久，且多数时候依赖人类专家。近来，人们尝试用深度学习模型自动分类这些形态。GAF-CNN模型通过视觉整合空间特征，是模仿人类交易者捕捉蜡烛图形态的一种合适方法。然而，凭借GAF编码的巨大潜力，该分类任务可扩展到更复杂的对象检测层面。本工作提出了一种将现代目标检测技术与GAF时间序列编码在蜡烛图形态任务上的创新融合。基于我们的时间序列编码方法和此类数据类型的性质，我们对具代表性且简洁的YOLO v1模型进行了关键修改。借助深度神经网络和独特的架构设计，所提模型在蜡烛图分类和位置识别上表现良好。结果表明，在现代目标检测技术实时应用于时间序列任务方面具有巨大潜力。