Training Set Optimization for Machine Learning in Day Trading: A New Financial Indicator
创建于 更新于
摘要
本文提出一种基于场景聚类的“代表性（Representativeness）”金融指标，用以动态筛选训练集并结合机器学习（SVR、MLP、LSTM）与差分进化优化α/σ参数，构建日内交易策略。实证（Bovespa 2014–2021，15min）显示：LSTM在本研究设置下显著领先，策略比买入持有获得更高回报并将最大回撤显著缩小，代表性指标也能降低回撤并稳定收益，为新兴市场的日内交易风险管理提供有效工具 [page::0]
