“CNN+TCN”模型在高频国债期货市场走势预测中的应用

作者：李骏琪; 杨垚立

来源：统计与决策, 2022, 38(01): 145-148.

DOI：10.13546/j.cnki.tjyjc.2022.01.031

• “CNN+TCN”模型
• 限价指令簿
• 国债期货
• 高频交易

深度学习(Deep Learning)算法的发展和成熟为高频、量化交易提供了全新的技术手段。文章将卷积神经网络(CNN)和时序卷积网络(TCN)相结合,利用CNN卷积核学习限价指令簿(LOB)空间结构上的预测信息,用TCN学习LOB时间维度上的价格相关性。同时,利用2019年5年期国债期货所有合约的level 2行情数据对"CNN+TCN"模型进行检验,发现该模型能够提供非常稳定的样本外精度,而且模型表现得稳定地、显著地优于随机森林、支持向量机等已经在业界大量应用的成熟机器学习模型,并且训练速度大为提高。