基于神经网络堆叠的加密货币投资方法
机器学习
2019-02-25 v2 机器学习
综合金融
摘要
预测资产方向一直是活跃的研究领域且是一项困难任务。机器学习模型已被用于构建鲁棒模型以建模上述任务。集成方法是其中表现优于单一监督方法的一种。本文中，我们使用生成式与判别式分类器来构建堆叠，具体为 3 个生成式和 6 个判别式分类器，并基于一层神经网络优化以建模加密货币价格方向。所用特征为技术指标，不限于趋势、动量、成交量、波动率指标，并且还使用了情绪分析以结合上述特征获得有用洞察。对于交叉验证，采用了清除式前向交叉验证。在准确率方面，我们对堆叠集成方法与混合集成方法的性能做了比较分析。我们还开发了用于堆叠模型组合特征重要性的方法论。基于特征重要性也识别了重要指标。
引用
@article{arxiv.1902.07855,
title = {Stacking with Neural network for Cryptocurrency investment},
author = {Avinash Barnwal and Hari Pad Bharti and Aasim Ali and Vishal Singh},
journal= {arXiv preprint arXiv:1902.07855},
year = {2019}
}
备注
20 pages,7 figues