Классификация трендов Forex по торговым графикам с помощью CNN

Сводка

В исследовании описан метод классификации трендов Forex с помощью свёрточной нейронной сети. Сначала количественные рыночные данные преобразуются в изображения, похожие на торговые графики, затем модель CNN обучается распознавать графические паттерны и прогнозировать классы трендов. Результативность модели оценивается по точности классификации, а полученные прогнозы предназначены для разработки торговых стратегий.

Подход проводит аналогию между визуальным анализом графиков человеком и распознаванием паттернов компьютером. В документе нет показателей точности, подробностей о данных, определения классов трендов или доказательств прибыльности после торговых издержек. Одна лишь точность классификации не доказывает, что стратегия будет хорошо работать на реальных рынках; в описании также не объясняется, как создаются или проверяются персонализированные стратегии. Таким образом, это краткий обзор процесса машинного обучения, а не полная оценка торговой ценности метода.

Ключевые идеи

• Перед обучением модели количественные данные Forex преобразуются в изображения, похожие на графики.
• Свёрточная нейронная сеть обучается классифицировать тренды по изображениям.
• Описанная метрика эффективности — точность классификации.
• В документе не приводятся значения точности и не доказывается прибыльность торговли на основе классификации.

Теги

# 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.

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.