Supervised Autoencoder MLP for Financial Time Series Forecasting
创建于 更新于
摘要
本报告研究了基于监督自编码器-多层感知机（SAE-MLP）的金融时间序列预测方法，通过引入基于历史波动率的噪声增强和三重障碍标记技术，提升了算法交易策略的风险调整收益率。研究涵盖标普500指数、EUR/USD和比特币，结果表明适度的噪声注入和自编码器瓶颈规模优化显著提高策略表现，而过度噪声和过大瓶颈尺寸会导致性能下降。此外，提出了针对三重障碍标记的优化指标，将有助于相关策略的性能提升与稳健性分析[page::0][page::4][page::11][page::24][page::26]。
