泛函深度神经网络及其在金融时间序列预测中的应用
马超1
侯天诚2
徐瑾辉3
张振华4
蓝斌5
1.伦敦大学学院计算统计学与机器学习中心,伦敦WC1E 6BT;广东外语外贸大学金融学院应用数学系,广东广州 5100062.广东外语外贸大学金融学院金融学系,广东广州,5100063.广东外语外贸大学金融学院应用数学系,广东广州 510006;印第安纳大学统计学系,布卢明顿 IN 474054.广东外语外贸大学经济贸易学院统计学系,广东广州 510006;考文垂大学商务、环境和社会学院,考文垂CV1 5FB5.广东外语外贸大学金融学院金融学系,广东广州 510006;香港城市大学经济及金融系,香港999077
摘要：针对神经网络直接预测原始价格存在的泛化误差大、预测价格变动方向的准确率不高等问题,提出一种基于泛函的深度降噪自编码神经网络,并提高神经网络的在时间序列上的泛化能力.将预测目标改为ZigZag/PI指标,且通过着重预测价格序列的趋势和方向,避免来自原始序列的噪音影响,弥补神经网络在方向预测上的固有缺陷.
关键词：深度学习泛函网络降噪自编码金融预测
分类号：F830.49(金融、银行)
资助基金：国家级大学生科技创新项目(126-GK161012)国家统计局全国统计科学研究项目(2016LZ18)国家统计局全国统计科学研究项目(2016537)广东省自然科学基金(2014A030313575)广东省自然科学基金(2016A030313688)广东省软科学研究计划(2015A070704051)广东省质量工程项目(125-XCQ16268)广东外语外贸大学特色创新及团队项目(15T21)广东外语外贸大学特色创新及团队项目(DT1605)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 46-53 )
英文信息