단기 은 선물 방향 예측을 위한 TabNet

기사 arXiv papers · 저자: Yiyang Zheng

요약

이 연구는 기술적 분석과 주문 흐름, 호가창 데이터에서 가져온 특성으로 선물 계약의 단기 방향 변화를 예측합니다. 상하이선물거래소에 상장된 은 선물에 TabNet 딥러닝 모형을 학습시켜, 이러한 입력값을 결합해 다음 움직임의 방향을 분류합니다.

선택된 평가 기간의 정확도는 0.601입니다. 문서에는 해당 기간과 데이터 준비, 검증 설계, 거래 비용, 기준 모형 대비 성능에 대한 세부 사항이 거의 없습니다. 따라서 이 결과는 예측 실험을 설명할 뿐, 모형이 수익성 있는 거래를 내거나 다른 계약 및 시장 상황에 일반화된다는 점을 입증하지 않습니다.

핵심 아이디어

모형은 기술 지표와 주문 흐름 특성, 호가창 데이터를 결합합니다.
TabNet으로 은 선물의 단기 방향 변화를 예측합니다.
선택된 기간의 보고 정확도는 0.601입니다.
간략한 설명은 해당 계약 및 기간 밖에서 수익성이나 성과가 이어진다는 점을 입증하지 않습니다.

# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.

단기 은 선물 방향 예측을 위한 TabNet

요약

핵심 아이디어

태그