Strong denoising of financial time-series
创建于 更新于
摘要
本文提出了一种基于两组异构自动编码器通过“对话”式训练实现互相正则化的新方法，显著提升金融时间序列的信噪比。该方法通过两个自编码器结合目标变量与不同上下文变量，学习对彼此编码输出的共识，挖掘数据内在规律。结合卷积自编码器和多变量宏观经济数据，实证展示了模型在股市环境变量去噪及特征识别上的优异表现，并基于去噪结果构建多种交易策略，实现了稳定的市场多空信号和优异的投资绩效表现 [page::0][page::1][page::4][page::6][page::7][page::8]
