一种面向交易关键点的渐近学习算法

摘要：

在金融时间序列的关键点进行交易是获得高收益低风险的有效方法.本文从给定时间序列中切分出上下文子序列并自动检测子序列中的交易关键点;设计了渐近学习算法AL,学习子序列中交易关键点的渐近收敛性并做出交易决策.通过交易算法验证,在不同的市场行情下,收益率、最大回撤率等指标上算法AL要优于现有算法.

关键词：渐近学习算法、金融时间序列、股票交易、LSTM神经网络

所属期刊栏目：10

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金61972261

在线出版日期：2020-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：171-176,179