上交所技术服务 发布于 2019-08-01 16:00:45
本文选自《交易技术前沿》总第三十三期文章(2018年12月)
崔闯/大连飞创信息技术有限公司,邮箱:cuichuang@dce.com.cn
胡天华/大连飞创信息技术有限公司,邮箱:hutianhua@dce.com.cn
钟利明/大连商品交易所,邮箱:zlm@dce.com.cn
摘要:本文创新地将传统的经济学自回归与深度学习模型结合用于时间序列预测,在保留了自回归模型变量关系可解释性的基础上,增加了卷积神经网络进行回归系数的迭代计算。基于改进卷积神经网络模型具有较高的预测准确度,同时结合了时间序列分析原理又保持了模型的可分析性,适用于多维度时间序列的输入分析并进行未来值的预测。本文利用改进卷积神经网络对飞创煤焦矿指数分别进行了分钟级和日度数据指数值的预测,其预测效果明显优于线性模型与全连接神经网络模型。此外由于模型中使用的卷积神经网络注重于短期序列的多因素 (
点击阅读全文 )
→
免费下载App,立即成为ETF达人