利用RNN和LSTM进行印度股市同步性分析：基于阈值的分类方法
统计金融
2024-09-12 v1 机器学习
摘要
我们的研究提出了一种新的方法，用于基于机器学习和非线性时间序列分析预测股票价格的同步性。为了捕捉股票价格之间复杂的非线性关系，我们利用递归图（RP）和交叉递归定量分析（CRQA）。通过将交叉递归图（CRP）数据转换为时间序列格式，我们使 Recurrent Neural Networks（RNN）和 Long Short-Term Memory（LSTM）网络能够通过回归和分类预测股票价格同步。我们将该方法应用于印度市场20只市值最高的股票的数据，覆盖21年时间。研究结果表明，我们的方法能够预测股票价格同步，准确率为0.98，F1分数为0.83，为开发有效的交易策略和风险管理工具提供了有价值的见解。
引用
@article{arxiv.2409.06728,
title = {Leveraging RNNs and LSTMs for Synchronization Analysis in the Indian Stock Market: A Threshold-Based Classification Approach},
author = {Sanjay Sathish and Charu C Sharma},
journal= {arXiv preprint arXiv:2409.06728},
year = {2024}
}
备注
24 Pages, 7 Figures