DeepSupp: Attention-Driven Correlation Pattern Analysis for Dynamic Time Series Support and Resistance Levels Identification
创建于 更新于
摘要
本论文提出DeepSupp，一种基于多头注意力机制和动态相关矩阵分析的深度学习方法，用以识别金融时间序列中重要的支撑位。通过构建包含价格-成交量关系的特征向量，利用动态滑动窗口计算Spearman秩相关矩阵输入自编码器，结合DBSCAN聚类实现支撑位提取。在标普500成分股上的实证测试显示，DeepSupp在六项金融指标上综合表现优异，显著优于传统统计与技术分析方法，实现对不同市场阶段的动态适应和准确识别 [page::0][page::2][page::3][page::4][page::5]。
