Technical Indicator Networks (TINs): An Interpretable Neural Architecture Modernizing Classical Technical Analysis for Adaptive Algorithmic Trading
创建于 更新于
摘要
本论文提出了Technical Indicator Networks (TINs) 框架，将传统技术指标结构化为可解释的神经网络，通过强化学习动态优化参数，提升系统交易模型的适应性和透明度。以MACD指标为例展示了如何构建对应神经拓扑，以及使用深度Q学习进行策略训练，实证结果证明TINs 在美国30指数成分股上的表现优于传统MACD，具有更优的风险调整收益和灵活性。此外，框架支持多维度多数据源输入，有助于融合行情、情绪等信息，促进跨市场智能交易策略发展。[page::0][page::3][page::8][page::9]
