外汇价格预测的特征重要性总结和堆叠模型
摘要：外汇交易是量化交易中最大的市场。传统上，交易员依靠基于历史数据的技术分析来做决策和交易。随着人工智能的发展，深度学习在外汇预测中扮演着越来越重要的角色。如何使用深度学习模型来预测未来价格是大多数研究者的主要目标。这样的预测不仅帮助投资者和交易员做决策，还可以用于自动交易系统。在本文中，我们提出了一种称为“特征重要性回顾”的新型特征选择方法，它将基于树模型的特征重要性得分与深度学习模型的性能相结合。我们还设计了一个堆叠模型来进一步提高性能。我们的结果表明，适当的特征选择方法可以显著提高模型性能，并且对于金融数据，一些特征在许多模型中具有较高的重要性得分。堆叠模型的结果表明，将一些模型的预测结果结合起来并输入神经网络可以进一步提高性能。
作者：Yunze Li, Yanan Xie, Chen Yu, Fangxing Yu, Bo Jiang and Matloob Khushi
论文ID：2107.14092
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2021-07-30