用于高频股票市场分类的 LSTM 神经网络集合-研究论文

我们提出了一个用于日内股票预测的长期短期记忆 (LSTM) 神经网络集合，使用各种技术分析指标作为网络输入。 提议的集成以在线方式运行，根据它们最近的表现按比例加权各个模型，这使我们能够以创新的方式处理可能的非平稳性。 模型的性能通过接收器操作特征曲线下的面积来衡量。 我们评估了我们的模型对几只美国大盘股的预测能力，并将其与 Lasso 和 Ridge 逻辑分类器进行了对比。 发现所提出的模型比基准模型或同等加权的集成表现更好。