Predicting Price Movements in High-Frequency Financial Data with Spiking Neural Networks
创建于 更新于
摘要
本论文将生物启发的脉冲神经网络（SNN）应用于高频交易中的价格跳跃预测，提出以Penalised Spike Accuracy (PSA)为目标的贝叶斯超参优化流程以同时兼顾准确率与可操作的脉冲率，实验显示经PSA优化的STDP训练SNN在回测中显著优于传统Spike Accuracy优化和监督SNN基线，Extended SNN (Model 2, PSA) 在未缩放回测中取得76.8%累积收益且在缩放对比中表现最佳 [page::0][page::7][page::6].
