金融时间序列分类的图像处理工具
摘要：深度学习在时间序列预测中的应用是目前机器学习中的主要挑战之一。我们提出了一种将机器学习和图像处理方法结合起来的新方法，用于定义和预测市场状态。我们将小波变换应用于股票价格的对数收益，用于图像提取和去噪。然后，卷积神经网络从去噪小波图像中提取模式，对每日时间序列进行分类，即将市场状态与基于第一小时股票价格变动构建的小波图像预测日收盘价的二元预测相关联。这种方法克服了金融时间序列中的低信噪比问题，并在标准普尔500指数测试中获得了市场状态“上涨”和“下跌”的竞争性预测准确度。
作者：Bairui Du, Delmiro Fernandez-Reyes and Paolo Barucca
论文ID：2008.06042
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2020-08-19