阈值化卷积神经网络集成：用于技术预测的神经网络
摘要：金融预测的现代实践很大程度上依赖于技术指标，这是一个将视觉模式识别应用于价格图表的启发式方法的总称。尽管它在金融媒体中非常普遍，但其信号的可靠性仍然是一种有争议且高度主观的‘领域知识’形式。我们通过将机器学习和信号处理技术应用于22年美国股票数据，研究金融时间序列中模式的预测价值。通过将技术分析重新定义为一个在深度神经网络中规范不清、预设任意的特征提取层，我们展示了更好的卷积滤波器可以直接从数据中学习，并提供了被识别特征的视觉表示。我们发现，在不同分辨率上优化的浅层逐元素卷积神经网络集成在这一领域上实现了最先进的性能，超过了技术方法，同时保留了一些解释性。
作者：Sid Ghoshal, Stephen J. Roberts
论文ID：1807.03192
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2018-07-12