資訊專欄INFORMATION COLUMN
摘要：結(jié)果表明，通過選擇最合適的技術(shù)指標(biāo)，在大多數(shù)情況下，神經(jīng)網(wǎng)絡(luò)模型可以實現(xiàn)比較好的策略結(jié)果。神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)模型一共有四層，即一個輸入層個節(jié)點(diǎn)，兩個隱藏層個節(jié)點(diǎn)和個節(jié)點(diǎn)和一個輸出層個節(jié)點(diǎn)。
作者：chen_h
微信號 & QQ：862251340
微信公眾號：coderpai
簡書地址：https://www.jianshu.com/p/31a...
論文鏈接：arxiv
1. 論文摘要在這篇文章中，作者提出了一個神經(jīng)網(wǎng)絡(luò)架構(gòu)用來對股票價格進(jìn)行預(yù)測，使用的數(shù)據(jù)源是股票的一些技術(shù)分析指標(biāo)。首先，作者開發(fā)了一個將金融股票序列數(shù)據(jù)轉(zhuǎn)化成一系列買賣的信號，也就是制作模型訓(xùn)練集和測試集。然后，在所有道指股票上面進(jìn)行學(xué)習(xí)（時間從 1997 年到 2007 年）。作者使用了 Apache Spark 大數(shù)據(jù)框架用于訓(xùn)練過程，最后利用從 2007 年到 2017 年的數(shù)據(jù)進(jìn)行模型測試。結(jié)果表明，通過選擇最合適的技術(shù)指標(biāo)，在大多數(shù)情況下，神經(jīng)網(wǎng)絡(luò)模型可以實現(xiàn)比較好的策略結(jié)果。此外，微調(diào)技術(shù)指標(biāo)和（或）優(yōu)化策略可以提升整體的交易表現(xiàn)。
2. 數(shù)據(jù)處理股票市場上面有許多的技術(shù)指標(biāo)，在這里我們主要選擇的是三種技術(shù)指標(biāo)：RSI，MACD 和 Williams %R（WR）。
2.1 Relative Strength Index（RSI）
相對強(qiáng)弱指數(shù)（RSI）是顯示股價歷史強(qiáng)弱的技術(shù)動量指標(biāo)。它還比較了在特定時間段內(nèi)的損失和收益，具體公式如下：
2.2 Moving Average Convergence and Diver- gence（MACD）
MACD 是一個說明股價走勢的技術(shù)指標(biāo)。它等于 12 日指數(shù)移動平均線（EMA）與 26 日均線指數(shù)（EMA）的差值。具體公式如下：
2.3 Williams %R（WR）
威廉指標(biāo)是基于動量的技術(shù)指標(biāo)，顯示股價超買和超賣的變化。具體公式如下：
3. 模型分析在這篇文章中，作者一共用了兩個模型：一個是金融序列模型，用來處理原始數(shù)據(jù)，得到我們的買點(diǎn)和賣點(diǎn)；另一個是神經(jīng)網(wǎng)絡(luò)模型，用來預(yù)測買點(diǎn)和賣點(diǎn)。
3.1 金融序列模型
我們通過編寫模型，來自動分析股票歷史數(shù)據(jù)中的波峰和波谷，從而得到買點(diǎn)和賣點(diǎn)數(shù)據(jù)。
3.2 神經(jīng)網(wǎng)絡(luò)模型
神經(jīng)網(wǎng)絡(luò)模型一共有四層，即一個輸入層（4個節(jié)點(diǎn)），兩個隱藏層（5個節(jié)點(diǎn)和4個節(jié)點(diǎn)）和一個輸出層（3個節(jié)點(diǎn)）。我們輸入的數(shù)據(jù)分別是收盤價（close price），RSI，WR和MACD。輸出數(shù)據(jù)是買點(diǎn)，賣點(diǎn)和不操作（三分類）。具體模型如下：
論文完整的算法步驟，可以如下概括：
作者：chen_h
微信號 & QQ：862251340
簡書地址：https://www.jianshu.com/p/31a...
CoderPai 是一個專注于算法實戰(zhàn)的平臺，從基礎(chǔ)的算法到人工智能算法都有設(shè)計。如果你對算法實戰(zhàn)感興趣，請快快關(guān)注我們吧。加入AI實戰(zhàn)微信群，AI實戰(zhàn)QQ群，ACM算法微信群，ACM算法QQ群。長按或者掃描如下二維碼，關(guān)注 “CoderPai” 微信號（coderpai）
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://m.hztianpu.com/yun/45552.html
摘要：畢設(shè)做的是的相關(guān)研究，翻過一些資料，在此做個匯總。深度學(xué)習(xí)的介紹性文章，可做入門材料。可以當(dāng)作深度學(xué)習(xí)的學(xué)習(xí)材料。一份訓(xùn)練的較佳實踐。闡述了非監(jiān)督預(yù)訓(xùn)練的作用。這篇博客給出的材料更加全面，作者來自復(fù)旦大學(xué)，現(xiàn)似乎是在北京研究院工作。 畢設(shè)做的是DBNs的相關(guān)研究，翻過一些資料，在此做個匯總。 可以通過谷歌學(xué)術(shù)搜索來下載這些論文。 Arel, I., Rose,...
摘要：使用實現(xiàn)的的聊天機(jī)器人模型基於向量匹配的情境式聊天機(jī)器人由整理。 Awesome Chatbot Github:https://github.com/fendouai/A... Chatbot ParlAI A framework for training and evaluating AI models on a variety of openly available dialog ...
摘要：使用實現(xiàn)的的聊天機(jī)器人模型基於向量匹配的情境式聊天機(jī)器人由整理。 Awesome Chatbot Github:https://github.com/fendouai/A... Chatbot ParlAI A framework for training and evaluating AI models on a variety of openly available dialog ...
摘要：機(jī)器學(xué)習(xí)深度學(xué)習(xí)與自然語言處理領(lǐng)域推薦的書籍列表人工智能深度學(xué)習(xí)與相關(guān)書籍課程示例列表是筆者系列的一部分對于其他的資料集錦模型開源工具與框架請參考。 showImg(https://segmentfault.com/img/remote/1460000014946199); DataScienceAI Book Links | 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與自然語言處理領(lǐng)域推薦的書籍列表 sho...
閱讀 2773·2023-04-25 17:21
閱讀 2627·2021-11-23 09:51
閱讀 2936·2021-09-24 10:32
閱讀 3899·2021-09-23 11:33
閱讀 2036·2019-08-30 15:44
閱讀 3521·2019-08-30 11:18
閱讀 3628·2019-08-30 10:53
閱讀 701·2019-08-26 13:25
