泛函深度神经网络及其在金融时间序列预测中的应用

• 作者: 侯天诚 张振华 徐瑾辉 蓝斌 马超
• 来源期刊: 徐州工程学院学报（自然科学版）
• 学科: 经济
• 关键词: 深度学习 泛函网络 降噪自编码 金融预测
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 理论研究
• 页码范围: 46-53
• 页数: 8页
• 分类号: F830.49
• 字数: 7314字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蓝斌	广东外语外贸大学金融学院金融学系	11	22	4.0	4.0
2	侯天诚	广东外语外贸大学金融学院金融学系	7	15	3.0	3.0