跳至正文
返回文库全部文档

使用TabNet预测白银期货短期走势

文章 arXiv papers · 作者: Yiyang Zheng
阅读原文

总结

本研究使用来自技术分析、订单流和订单簿数据的特征，预测期货合约的短期方向变化。研究以在上海期货交易所上市的白银期货训练TabNet深度学习模型，并结合这些输入对下一次走势方向进行分类。

所选评估期内报告的准确率为0.601。文中没有详细说明评估时期、数据处理、验证设计、交易成本或相对于基准模型的表现。因此，结果描述的是一项预测实验，并不能证明该模型能够带来盈利交易，或适用于其他合约和市场状况。

核心观点

  • 模型结合技术指标、订单流特征和订单簿数据。
  • 研究使用TabNet预测白银期货短期方向变化。
  • 所选时期内报告的准确率为0.601。
  • 简短说明并不能证明该模型具有盈利能力，或在所研究合约和时期以外表现良好。

标签

期货大宗商品机器学习技术指标市场微观结构
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。