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：马超; 侯天诚; 徐瑾辉; 张振华; 蓝斌

来源：徐州工程学院学报(自然科学版), 2017, 32(02): 46-53.

DOI：10.15873/j.cnki.jxit.000154

• 深度学习
• 泛函网络
• 降噪自编码
• 金融预测

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.

• 单位
  广东外语外贸大学; 金融学院