面向金融预测的神经网络架构演化：关于危机期数据不兼容性的注记
计算工程、金融与科学
2023-11-27 v1 神经与进化计算
摘要
本注记关注重大市场中断或危机后用于股指涨跌预测的神经网络架构优化。鉴于此类危机可能引入市场动态的转变，本研究旨在考察危机前市场动态的训练数据是否与危机期数据兼容。为此，设计两种不同学习环境以评估并调和可能相异的市场动态效应。这些环境主要区别在于危机前数据所被分配的角色。在两种环境中，均识别出一组非支配架构以满足多准则协同演化问题，该问题同时处理与特征和隐藏层拓扑相关的选择问题。为检验危机前数据不兼容假设，考虑了在两次近期重大市场中断——2008 年金融危机与 COVID-19 疫情——期间的 NASDAQ 指数日内涨跌预测。详细比较评估的结果令人信服地支持了不兼容假设，并凸显了谨慎选择再训练窗口的必要性。
引用
@article{arxiv.2311.14604,
title = {Evolution of Neural Architectures for Financial Forecasting: A Note on Data Incompatibility during Crisis Periods},
author = {Faizal Hafiz and Jan Broekaert and Akshya Swain},
journal= {arXiv preprint arXiv:2311.14604},
year = {2023}
}
备注
11 pages