基于深度神经网络结构的互联网金融市场动态预测

作者：赵洪科; 吴李康; 李徵; 张兮; **; 陈恩红^*

来源：计算机研究与发展, 2019, 56(08): 1621-1631.

DOI：10.7544/issn1000-1239.2019.20190330

• 互联网金融
• 时间序列
• 动态预测
• 深度神经网络
• 序列建模

近些年,互联网金融市场在国内外迅速发展;同时,针对互联网金融市场的研究也成为了学术界的热点.相比于传统金融市场,互联网金融市场具有更高的流动性和易变性.针对互联网金融市场的动态(日交易量和日交易次数)进行研究,提出了基于深度神经网络结构的融合层次时间序列学习的预测模型.首先,该模型可以实现对多序列(市场宏观动态序列和多种子序列)特征变量输入的处理,并且在时间和序列特征2个维度上利用注意力机制来融合输入变量.其次,模型设计了基于预测序列平稳性约束的优化函数,使得模型具有更好的稳健性.最后,在真实的大规模数据集上进行了大量的实验,结果充分证明了所提出的模型在互联网金融市场动态预测问题上的有效性与稳健性.

• 单位
  中国科学技术大学