基于元学习的短期股价趋势预测
机器学习
2022-02-18 v2
摘要
尽管常规机器学习算法近年来被广泛用于股价预测,但其所需的大量特定标注数据并非总可获得。相比之下,元学习技术使用相对较少的训练数据,称为快速学习者。此类方法在数据有限条件下有益,而基于稀疏信息受限时间序列数据的趋势预测常面临该条件。在本研究中,我们考虑使用元学习框架结合若干卷积神经网络(包括时间卷积网络、全卷积网络和残差神经网络)进行短期股价预测。我们提出滑动时间视界,根据预测价格趋势对股票标注,称为斜率检测标注,使用的预测标签包括“涨加”、“涨”、“跌”和“跌加”。所提元学习框架的有效性通过对S&P500的应用进行了评估。实验结果表明,引入所提元学习框架显著提升了常规与均衡预测精度及盈利性。
引用
@article{arxiv.2105.13599,
title = {Short-Term Stock Price-Trend Prediction Using Meta-Learning},
author = {Shin-Hung Chang and Cheng-Wen Hsu and Hsing-Ying Li and Wei-Sheng Zeng and Jan-Ming Ho},
journal= {arXiv preprint arXiv:2105.13599},
year = {2022}
}
备注
\copyright 2021 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works