泛函深度神经网络及其在金融时间序列预测中的应用

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

所属期刊栏目：32

分类号：F830.49(金融、银行)

资助基金：广东省大学生科技创新培育专项资金“攀登计划”专项资金资助项目126-GK161012;国家统计局全国统计科研计划项目2016LZ18,2016537;广东省自然科学基金项目2014A030313575,2016A030313688;广东省软科学项目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,DT1605

在线出版日期：2017-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：46-53