基于深度学习与注意力机制的外汇市场价格技术指标预测
机器学习
2024-12-02 v1 人工智能
摘要
准确预测外汇市场价格行为至关重要。本文提出了一种新方法，利用技术指标和深度神经网络。该方法的体系结构包括长短期记忆网络（LSTM）和卷积神经网络（CNN），以及注意力机制。首先，采用趋势和振荡型技术指标从外汇货币对数据中提取统计特征，提供关于价格趋势、市场波动性、相对价格强度以及超买和超卖条件的洞察。随后，利用 LSTM 和 CNN 网络并行预测未来价格走势，发挥两种网络架构的优势。LSTM 网络捕捉数据中的长期依赖和时序模式，而 CNN 网络提取局部模式。LSTM 和 CNN 网络的输出随后输入注意力机制，该机制学习每个特征和时序依赖的重要性，从而生成输入数据的情境感知表示。注意力加权后的输出用于预测未来价格走势，使模型能够聚焦于最相关的特征和时序依赖。通过对多个外汇货币对的全面评估，我们展示了该方法在预测价格行为方面的有效性，并优于基准模型。
引用
@article{arxiv.2411.19763,
title = {Forecasting Foreign Exchange Market Prices Using Technical Indicators with Deep Learning and Attention Mechanism},
author = {Sahabeh Saadati and Mohammad Manthouri},
journal= {arXiv preprint arXiv:2411.19763},
year = {2024}
}