【分享吧】时间卷积网络在商品指数预测应用

摘要 商品指数预测兼具横截面与时间序列属性，传统回归模型对指数预测已展示一定效果，但也存在“预测多基于假设条件、多维线性预测无法挖掘数据间非线性关系、预测频率不满足使用需求”等不足。人工智能算法因数据驱动、非线性、模型处理速度快等特征，已被探索应用至金融价格预测领域。 本文利用时间卷积网络的局部连接、共享权重、池化、结构多层等特征进行商品指数预测，其因与商品指数高频数据具有相邻相似、趋势性、随机性、非线性等特点相一致，在预测实证中较传统模型有更好的表现。同时，本文通过有效性检验发现，百度搜索指数、合约价格、成交量对预测有着极大贡献，而持仓量却会削弱指数的预测效果。
一、引言 人工智能算法已被探索应用至金融价格预测领域。徐国祥、杨振建（2011）应用SVM，构建PCA-GA-SVM模型预测沪深300指数和大盘股每日走势；黄卿、谢合亮（2018）应用XGB ( 点击阅读全文 )

→ 免费下载App，立即成为ETF达人