使用Google国内趋势进行深度学习预测股票波动
摘要：使用长短期记忆神经网络来建模S&P 500的波动性，将Google国内趋势作为公众情绪和宏观经济因素的指标纳入考虑。在一个未参与训练的测试集中，我们的长短期记忆模型的平均绝对百分比误差为24.2％，超过线性Ridge/Lasso和自回归GARCH基准至少31％。这一评估基于最优观测和规范化方案，该方案能够最大化训练集中国内趋势和每日波动性之间的互信息。我们的初步研究显示，通过深度学习和神经网络模型，更好地预测股票行为的潜力很大。
作者：Ruoxuan Xiong, Eric P. Nichols and Yuan Shen
论文ID：1512.04916
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2016-02-17