摘要:結(jié)果表明,通過選擇最合適的技術(shù)指標(biāo),在大多數(shù)情況下,神經(jīng)網(wǎng)絡(luò)模型可以實(shí)現(xiàn)比較好的策略結(jié)果。神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)模型一共有四層,即一個(gè)輸入層個(gè)節(jié)點(diǎn),兩個(gè)隱藏層個(gè)節(jié)點(diǎn)和個(gè)節(jié)點(diǎn)和一個(gè)輸出層個(gè)節(jié)點(diǎn)。
作者:chen_h
微信號(hào) & QQ:862251340
微信公眾號(hào):coderpai
簡(jiǎn)書地址:https://www.jianshu.com/p/31a...
論文鏈接:arxiv
1. 論文摘要在這篇文章中,作者提出了一個(gè)神經(jīng)網(wǎng)絡(luò)架構(gòu)用來對(duì)股票價(jià)格進(jìn)行預(yù)測(cè),使用的數(shù)據(jù)源是股票的一些技術(shù)分析指標(biāo)。首先,作者開發(fā)了一個(gè)將金融股票序列數(shù)據(jù)轉(zhuǎn)化成一系列買賣的信號(hào),也就是制作模型訓(xùn)練集和測(cè)試集。然后,在所有道指股票上面進(jìn)行學(xué)習(xí)(時(shí)間從 1997 年到 2007 年)。作者使用了 Apache Spark 大數(shù)據(jù)框架用于訓(xùn)練過程,最后利用從 2007 年到 2017 年的數(shù)據(jù)進(jìn)行模型測(cè)試。結(jié)果表明,通過選擇最合適的技術(shù)指標(biāo),在大多數(shù)情況下,神經(jīng)網(wǎng)絡(luò)模型可以實(shí)現(xiàn)比較好的策略結(jié)果。此外,微調(diào)技術(shù)指標(biāo)和(或)優(yōu)化策略可以提升整體的交易表現(xiàn)。
2. 數(shù)據(jù)處理股票市場(chǎng)上面有許多的技術(shù)指標(biāo),在這里我們主要選擇的是三種技術(shù)指標(biāo):RSI,MACD 和 Williams %R(WR)。
2.1 Relative Strength Index(RSI)
相對(duì)強(qiáng)弱指數(shù)(RSI)是顯示股價(jià)歷史強(qiáng)弱的技術(shù)動(dòng)量指標(biāo)。它還比較了在特定時(shí)間段內(nèi)的損失和收益,具體公式如下:
2.2 Moving Average Convergence and Diver- gence(MACD)
MACD 是一個(gè)說明股價(jià)走勢(shì)的技術(shù)指標(biāo)。它等于 12 日指數(shù)移動(dòng)平均線(EMA)與 26 日均線指數(shù)(EMA)的差值。具體公式如下:
2.3 Williams %R(WR)
威廉指標(biāo)是基于動(dòng)量的技術(shù)指標(biāo),顯示股價(jià)超買和超賣的變化。具體公式如下:
3. 模型分析在這篇文章中,作者一共用了兩個(gè)模型:一個(gè)是金融序列模型,用來處理原始數(shù)據(jù),得到我們的買點(diǎn)和賣點(diǎn);另一個(gè)是神經(jīng)網(wǎng)絡(luò)模型,用來預(yù)測(cè)買點(diǎn)和賣點(diǎn)。
3.1 金融序列模型
我們通過編寫模型,來自動(dòng)分析股票歷史數(shù)據(jù)中的波峰和波谷,從而得到買點(diǎn)和賣點(diǎn)數(shù)據(jù)。
3.2 神經(jīng)網(wǎng)絡(luò)模型
神經(jīng)網(wǎng)絡(luò)模型一共有四層,即一個(gè)輸入層(4個(gè)節(jié)點(diǎn)),兩個(gè)隱藏層(5個(gè)節(jié)點(diǎn)和4個(gè)節(jié)點(diǎn))和一個(gè)輸出層(3個(gè)節(jié)點(diǎn))。我們輸入的數(shù)據(jù)分別是收盤價(jià)(close price),RSI,WR和MACD。輸出數(shù)據(jù)是買點(diǎn),賣點(diǎn)和不操作(三分類)。具體模型如下:
論文完整的算法步驟,可以如下概括:
作者:chen_h
微信號(hào) & QQ:862251340
簡(jiǎn)書地址:https://www.jianshu.com/p/31a...
CoderPai 是一個(gè)專注于算法實(shí)戰(zhàn)的平臺(tái),從基礎(chǔ)的算法到人工智能算法都有設(shè)計(jì)。如果你對(duì)算法實(shí)戰(zhàn)感興趣,請(qǐng)快快關(guān)注我們吧。加入AI實(shí)戰(zhàn)微信群,AI實(shí)戰(zhàn)QQ群,ACM算法微信群,ACM算法QQ群。長(zhǎng)按或者掃描如下二維碼,關(guān)注 “CoderPai” 微信號(hào)(coderpai)
文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址:http://specialneedsforspecialkids.com/yun/45552.html
摘要:畢設(shè)做的是的相關(guān)研究,翻過一些資料,在此做個(gè)匯總。深度學(xué)習(xí)的介紹性文章,可做入門材料。可以當(dāng)作深度學(xué)習(xí)的學(xué)習(xí)材料。一份訓(xùn)練的較佳實(shí)踐。闡述了非監(jiān)督預(yù)訓(xùn)練的作用。這篇博客給出的材料更加全面,作者來自復(fù)旦大學(xué),現(xiàn)似乎是在北京研究院工作。 畢設(shè)做的是DBNs的相關(guān)研究,翻過一些資料,在此做個(gè)匯總。 可以通過谷歌學(xué)術(shù)搜索來下載這些論文。 Arel, I., Rose,...
摘要:使用實(shí)現(xiàn)的的聊天機(jī)器人模型基於向量匹配的情境式聊天機(jī)器人由整理。 Awesome Chatbot Github:https://github.com/fendouai/A... Chatbot ParlAI A framework for training and evaluating AI models on a variety of openly available dialog ...
摘要:使用實(shí)現(xiàn)的的聊天機(jī)器人模型基於向量匹配的情境式聊天機(jī)器人由整理。 Awesome Chatbot Github:https://github.com/fendouai/A... Chatbot ParlAI A framework for training and evaluating AI models on a variety of openly available dialog ...
摘要:機(jī)器學(xué)習(xí)深度學(xué)習(xí)與自然語言處理領(lǐng)域推薦的書籍列表人工智能深度學(xué)習(xí)與相關(guān)書籍課程示例列表是筆者系列的一部分對(duì)于其他的資料集錦模型開源工具與框架請(qǐng)參考。 showImg(https://segmentfault.com/img/remote/1460000014946199); DataScienceAI Book Links | 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與自然語言處理領(lǐng)域推薦的書籍列表 sho...
閱讀 2694·2023-04-25 17:21
閱讀 2554·2021-11-23 09:51
閱讀 2846·2021-09-24 10:32
閱讀 3776·2021-09-23 11:33
閱讀 1979·2019-08-30 15:44
閱讀 3456·2019-08-30 11:18
閱讀 3526·2019-08-30 10:53
閱讀 629·2019-08-26 13:25