基于小波去噪-ResNet CNN 与 LightGBM 的外汇变动率预测方法
统计金融
2021-02-10 v1
摘要
外汇（Forex）是全球最大的金融市场。外汇市场的日交易量远高于股票和期货市场。因此，建立外汇预测模型对投资者具有重要意义。本文提出一种小波去噪-ResNet 结合 LightGBM 的模型，用于预测经过五个时间间隔后的外汇价格变动率，以留出足够时间执行交易。所有价格经小波变换去噪，并通过计算技术指标形成 30 个时间间隔的矩阵。将该矩阵输入 ResNet 提取图像特征。最后，将技术指标与图像特征送入 LightGBM。我们在 5 分钟 USDJPY 上的实验表明，该模型优于基线模型，MAE: 0.240977x10EXP-3、MSE: 0.156x10EXP-6、RMSE: 0.395185x10EXP-3。对未来 25 分钟的准确价格预测为对冲基金算法交易提供了机会窗口。代码可从 https://mkhushi.github.io/ 获取。
引用
@article{arxiv.2102.04861,
title = {Wavelet Denoised-ResNet CNN and LightGBM Method to Predict Forex Rate of Change},
author = {Yiqi Zhao and Matloob Khushi},
journal= {arXiv preprint arXiv:2102.04861},
year = {2021}
}