小波去噪的ResNet卷积神经网络和LightGBM方法预测外汇汇率变动
摘要：外汇（Forex）是世界上最大的金融市场。外汇市场的日交易量远高于股票和期货市场。因此，建立外汇预测模型对于投资者来说具有重要意义。在本文中，我们提出了一个Wavelet Denoised-ResNet with LightGBM模型，以预测外汇价格在五个时间间隔后的变化率，以便有足够的时间进行交易。所有价格都经过小波变换去噪处理，并通过计算技术指标形成一个30个时间间隔的矩阵。通过将矩阵输入ResNet来获得图像特征。最后，将技术指标和图像特征输入到LightGBM中。我们在5分钟的USDJPY数据上的实验表明，该模型的表现优于基准模型，MAE：0.240977x10EXP-3，MSE：0.156x10EXP-6和RMSE：0.395185x10EXP-3。准确预测未来25分钟的价格为对冲基金算法交易提供了机会。代码可在https://mkhushi.github.io/获得。
作者：Yiqi Zhao and Matloob Khushi
论文ID：2102.04861
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2021-02-10