コンテンツへスキップ
ライブラリの全資料

取引チャートのCNN分析で為替トレンドを分類

記事 arXiv papers · 著者: Yun-Cheng Tsai et al.
原文を読む

サマリー

本研究は、畳み込みニューラルネットワークで為替トレンドを分類する手法を説明します。まず、定量的な市場データを取引チャートに似た画像へ変換し、次にCNNを学習させてチャートパターンを認識し、トレンドのクラスを予測します。モデルの性能は分類精度で評価され、予測結果はトレード戦略の構築を支援することを目的としています。

この手法は、人が視覚的にチャートを読むことと、コンピューターがパターンを認識することを類比しています。文書には精度の数値、データの詳細、トレンドクラスの定義、取引コスト控除後の収益性を示す証拠はありません。分類精度だけでは、実市場で戦略が良好に機能するとは言えず、個別化された戦略をどのように作成・検証するかも説明されていません。したがって、これは取引価値を全面的に評価したものではなく、機械学習のワークフローを簡潔に示した資料です。

主なアイデア

  • モデルを学習させる前に、定量的な為替データをチャート風の画像に変換します。
  • 画像からトレンドを分類するよう、畳み込みニューラルネットワークを学習させます。
  • 説明されている性能指標は分類精度です。
  • 文書は精度の数値を報告せず、分類結果を利用した収益性も実証していません。

タグ

外国為替機械学習統計
全文
# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。