Добавить Автора
WeChat и QQ: 862251340
Публичный аккаунт WeChat: coderpai
мой блог:пожалуйста, нажмите здесь
Ссылка на бумагу:arxiv
1. Аннотация
В этой статье автор предлагает архитектуру нейронной сети для прогнозирования цен на акции, используя источник данных некоторых индикаторов технического анализа акций. Во-первых, авторы разрабатывают сигнал, который преобразует данные о последовательности финансовых акций в серию покупок и продаж, то есть, создавая наборы для обучения и тестирования модели. Затем изучите все акции Dow (с 1997 по 2007 год). Автор использовал платформу больших данных Apache Spark для процесса обучения и, наконец, протестировал модель на данных с 2007 по 2017 год. Результаты показывают, что, выбирая наиболее подходящие технические индикаторы, модель нейронной сети в большинстве случаев может достичь лучших результатов политики. Кроме того, точная настройка технических индикаторов и/или оптимизация стратегий могут повысить общую эффективность торговли.
2. Обработка данных
На фондовом рынке существует множество технических индикаторов, здесь мы в основном выбираем три технических индикатора: RSI, MACD и Williams %R (WR).
2.1 Индекс относительной силы (RSI)
Индекс относительной силы (RSI) — это технический индикатор импульса, который показывает историческую силу или слабость цены акций. Он также сравнивает убытки и прибыль за определенный период времени по следующей формуле:
2.2 Схождение и расхождение скользящих средних (MACD)
MACD — это технический индикатор, который показывает движение цены акций. Он равен разнице между 12-дневной экспоненциальной скользящей средней (EMA) и 26-дневной экспоненциальной скользящей средней (EMA). Конкретная формула выглядит следующим образом:
2.3 Уильямс% R (WR)
Индикатор Вильямса — это технический индикатор, основанный на моментуме, который показывает изменения цен перекупленности и перепроданности акций. Конкретная формула выглядит следующим образом:
3. Модельный анализ
В этой статье автор использует две модели: одна представляет собой модель финансовой последовательности, которая используется для обработки необработанных данных, чтобы получить наши точки покупки и продажи, а другая — модель нейронной сети, которая используется для прогнозирования точек покупки и продажи.
3.1 Модель финансовой последовательности
Написав модель, мы автоматически анализируем пики и впадины в исторических данных об акциях, чтобы получить данные о точках покупки и продажи.
3.2 Модель нейронной сети
Модель нейронной сети имеет в общей сложности четыре слоя, а именно входной слой (4 узла), два скрытых слоя (5 узлов и 4 узла) и выходной слой (3 узла). Данные, которые мы вводим, это цена закрытия, RSI, WR и MACD. Выходные данные: точка покупки, точка продажи и не работают (три категории). Конкретная модель выглядит следующим образом:
Полный алгоритм, описанный в статье, можно резюмировать следующим образом:
CoderPai — это платформа, ориентированная на алгоритмический бой, с дизайном от базовых алгоритмов до алгоритмов искусственного интеллекта. Если вы заинтересованы в алгоритмическом бою, пожалуйста, следуйте за нами быстро. Присоединяйтесь к группе WeChat для реальных боевых действий AI, группе QQ для реальных боевых действий AI, группе WeChat по алгоритму ACM, группе QQ по алгоритму ACM. Для получения подробной информации, пожалуйста, обратите внимание на учетную запись WeChat «CoderPai» (coderpai).