文件名称：通过人工神经网络进行模式学习以进行金融市场预测-研究论文
文件大小：2.36MB
文件格式：PDF
更新时间：2024-06-29 08:37:00
Artificial Intelligence Deep
卷积神经网络 (CNN) 和长短期记忆 (LSTM) 网络已成为序列学习的主要内容。 由于金融时间序列数据表现出异常嘈杂的特征这一公认的事实，资本市场异常几乎不可能被检测到。 我们部署了 CNN 网络来预测 1994 年至 2014 年间 200 只大宗欧洲股票的样本外股票走势，并将其整体表现与 Fischer, Krauss (2017) 中修改的 LSTM 模型进行比较。 具体来说，我们比较了两种模型架构的经验训练和验证准确性，并根据不同投资组合规模的回报和风险指标揭示了投资组合的表现特征，试图推导出*和失败股票的共同模式。 因此，我们揭示了长期盈利能力的来源，并证明 LSTM 和 CNN 网络都能够从如此嘈杂的金融时间序列中提取有意义的信息。