基于小波去噪与注意力循环神经网络-ARIMA 模型的汇率价格预测
计算工程、金融与科学
2020-08-18 v1 计算机视觉与模式识别
摘要
外汇市场中每一次趋势变化都为投资者带来巨大机遇与风险。准确预测外汇价格是任意有效对冲或投机策略中的关键要素。然而,外汇市场的复杂性使预测问题颇具挑战,这促使了来自不同学科广泛的探讨。本文提出一种集成小波去噪、基于注意力的循环神经网络(ARNN)和自回归积分滑动平均(ARIMA)的新方法。小波变换去除时间序列中的噪声以稳定数据结构。ARNN 模型捕捉序列中稳健的非线性关系,而 ARIMA 能良好拟合序列信息的线性相关。通过三种模型的混合,该方法能够对外汇市场等动态系统建模。我们在 USD/JPY 五分钟数据上的实验优于基线方法。混合方法的均方根误差(RMSE)为 1.65,方向精度约 76%。
引用
@article{arxiv.2008.06841,
title = {Wavelet Denoising and Attention-based RNN-ARIMA Model to Predict Forex Price},
author = {Zhiwen Zeng and Matloob Khushi},
journal= {arXiv preprint arXiv:2008.06841},
year = {2020}
}