泛函深度神经网络及其在金融时间序列预测中的应用

来源 :徐州工程学院学报(自然科学版) | 被引量 : 0次 | 上传用户：ellydyl

【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

【作者】

：

马超侯天诚徐瑾辉张振华蓝斌

【机构】

：

伦敦大学学院计算统计学与机器学习中心,广东外语外贸大学金融学院应用数学系,广东外语外贸大学金融学院金融学系,广东外语外贸大学经济贸易学院统计学系,印第安纳大学统计学系,考文垂大学商务、环境和社会学院,

【出处】

：

徐州工程学院学报(自然科学版)

【发表日期】

：

2017年2期

【关键词】

：

深度学习泛函网络降噪自编码金融预测 deep learning functional network denoising auto-encoder

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

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.

其他文献

一种用于MEG源定位的混沌优化算法

根据头皮监测的脑磁图数据定位脑磁图源的信息是脑功能研究和临床上诊断脑部疾病的关键技术．文章提出了一种适用于MEG源定位的基于Tent映射的混沌优化算法．该算法利用混沌运动

期刊

脑磁源定位混沌优化TENT映射magneto-encephalography source localization chaos optimizat

分数阶线性系统P-型迭代学习控制在L^p范数意义下的收敛性

针对一类分数阶线性时不变系统,讨论P-型迭代学习控制律（ILC）的单调收敛性.首先,在Lebesgue-p（L^p）范数意义下,利用卷积的推广Young不等式,推导一、二阶P-型控制律单调收敛的充分

期刊

迭代学习控制分数阶L^p范数收敛性iterative learning controlfractional-order L^p norm conv

泛函深度神经网络及其在金融时间序列预测中的应用

其他学术论文