本文提出一种数据表征方式以反映金融市场状态，并根据该表征提出一个短期交易决策支持模型。通过信号分解技术，该模型将一维非平稳时间序列分解为多维平稳子序列，并进一步将子序列重构为二维图像矩阵以表征每日市场状态。在此基础上，该模型利用神经网络的特征学习能力捕捉五日连续窗口的最优决策点。通过统计性能和财务业绩两种评估方式以及模型对比，结果表明本文所提出的短期交易决策模型有很强的应用性和适应性，可在多变的市场环境中获得可观利润。
科研之友
微信
新浪微博
Facebook
分享链接
