Pronóstico TabNet de la dirección de futuros de plata

Resumen

Este estudio pronostica cambios direccionales a corto plazo en un contrato de futuros utilizando variables de análisis técnico, flujo de órdenes y datos del libro de órdenes. Entrena un modelo de aprendizaje profundo TabNet con futuros de plata cotizados en la Bolsa de Futuros de Shanghái y combina esas entradas para clasificar la dirección del siguiente movimiento.

La precisión comunicada para el periodo de evaluación seleccionado es de 0.601. El documento ofrece pocos detalles sobre el periodo, la preparación de los datos, el diseño de validación, los costes de trading o el rendimiento frente a una referencia. Por tanto, el resultado describe un experimento de predicción, pero no demuestra que el modelo produzca operaciones rentables ni que se generalice a otros contratos y condiciones de mercado.

Ideas clave

• El modelo combina indicadores técnicos, variables de flujo de órdenes y datos del libro de órdenes.
• Se utiliza TabNet para pronosticar cambios direccionales a corto plazo en futuros de plata.
• La precisión comunicada para el periodo seleccionado es de 0.601.
• La breve descripción no demuestra rentabilidad ni rendimiento fuera del contrato y el periodo estudiados.

Etiquetas

# Neural Network and Order Flow, Technical Analysis: Predicting short-term direction of futures contract


# Neural Network and Order Flow, Technical Analysis: Predicting short-term direction of futures contract









Predictions of short-term directional movement of the futures contract can be challenging as its pricing is often based on multiple complex dynamic conditions. This work presents a method for predicting the short-term directional movement of an underlying futures contract. We engineered a set of features from technical analysis, order flow, and order-book data. Then, Tabnet, a deep learning neural network, is trained using these features. We train our model on the Silver Futures Contract listed on Shanghai Futures Exchange and achieve an accuracy of 0.601 on predicting the directional change during the selected period.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.