Прогноз краткосрочного направления фьючерсов на серебро с помощью TabNet

Сводка

В исследовании прогнозируются краткосрочные изменения направления фьючерсного контракта по признакам технического анализа, потока ордеров и книги заявок. Авторы обучают модель глубокого обучения TabNet на фьючерсах на серебро, торгуемых на Шанхайской фьючерсной бирже, объединяя эти данные для классификации направления следующего движения.

Для выбранного периода оценки заявлена точность 0.601. В документе мало сведений о периоде, подготовке данных, схеме проверки, торговых издержках или результатах относительно базовой модели. Поэтому это результат эксперимента по прогнозированию, а не доказательство того, что модель обеспечит прибыльные сделки или будет применима к другим контрактам и рыночным условиям.

Ключевые идеи

• Модель объединяет технические индикаторы, признаки потока ордеров и данные книги заявок.
• TabNet используется для прогноза краткосрочных изменений направления фьючерсов на серебро.
• Для выбранного периода заявлена точность 0.601.
• Краткое описание не доказывает прибыльность или эффективность за пределами изученного контракта и периода.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.