שימוש ברשתות CNN לסיווג מגמות במט״ח מתוך גרפי מסחר
סיכום
המחקר מתאר שיטה לסיווג מגמות במט״ח באמצעות רשת עצבית קונבולוציונית. תחילה הוא ממיר נתוני שוק כמותיים לתמונות הדומות לגרפי מסחר, ואז מאמן CNN ללמוד דפוסים בגרפים ולחזות קטגוריות מגמה. ביצועי המודל נמדדים באמצעות דיוק הסיווג, והתחזיות המתקבלות מיועדות לתמוך בבניית אסטרטגיות מסחר.
הגישה משווה בין קריאת גרפים חזותית של אנשים לבין זיהוי דפוסים בידי מחשב. המסמך אינו מספק נתוני דיוק, פרטים על הנתונים, הגדרה של קטגוריות המגמה או ראיות לרווחיות לאחר עלויות מסחר. דיוק סיווג לבדו אינו מוכיח שאסטרטגיה תציג ביצועים טובים בשווקים חיים, והתיאור אינו מסביר כיצד מייצרים או מתקפים אסטרטגיות מותאמות אישית. לכן החומר הוא מתווה תמציתי של תהליך למידת מכונה ולא הערכה מלאה של ערכו למסחר.
רעיונות מרכזיים
- השיטה הופכת נתוני מט״ח כמותיים לתמונות דמויות גרפים לפני אימון המודל.
- רשת עצבית קונבולוציונית מאומנת לסיווג מגמות מתוך התמונות.
- מדד הביצועים המתואר הוא דיוק הסיווג.
- המסמך אינו מדווח על ערכי דיוק או מוכיח רווחיות משימוש בסיווגים.
תגיות
הטקסט המלא
# Predict Forex Trend via Convolutional Neural Networks # Predict Forex Trend via Convolutional Neural Networks Deep learning is an effective approach to solving image recognition problems. People draw intuitive conclusions from trading charts; this study uses the characteristics of deep learning to train computers in imitating this kind of intuition in the context of trading charts. The three steps involved are as follows: 1. Before training, we pre-process the input data from quantitative data to images. 2. We use a convolutional neural network (CNN), a type of deep learning, to train our trading model. 3. We evaluate the model's performance in terms of the accuracy of classification. A trading model is obtained with this approach to help devise trading strategies. The main application is designed to help clients automatically obtain personalized trading strategies.
מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0
הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.