基于栈式自编码器模型的汇率时间序列预测

被引：9

作者：

寇茜茜 ^{[1
]}

何希平 ^{[1
,2
,3
]}

机构：

[1] 重庆工商大学电子商务与供应链系统重庆市重点实验室

[2] 重庆市工商大学计算机科学与信息工程学院

[3] 重庆工商大学重庆市检测控制集成系统工程实验室

来源：

计算机应用与软件 | 2017年 / 34卷 / 03期

关键词：

时间序列; 预测; 深度学习; 栈式自编码器; 特征学习; 深度神经网络;

D O I：

暂无

中图分类号：

O211.61 [平稳过程与二阶矩过程]; TP183 [人工神经网络与计算];

学科分类号：

020208 ; 070103 ; 0714 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对目前具有非线性特征的金融时间序列浅层模型预测精度有限的问题,提出一种由底层的栈式自编码器和顶层的回归神经元组成的栈式自编码神经网络预测模型。首先利用自编码器的无监督学习机制对时间序列进行特征识别与学习,逐层贪婪学习神经网络各层,之后将栈式自编码器扩展为有监督机制的SAEP模型,将SAE学习到的参数用于初始化神经网络,最后利用有监督学习对权值进行微调。实验设计利用汇率时间序列作为训练及测试样本,与目前较成熟的方法进行对比实验,验证了所提出的模型在汇率时序预测应用中的有效性。

引用

页码：218 / 221+247 +247

页数：5

共 14 条

[11]

Generalized asymmetric power ARCH modelling of exchange rate volatility[J] . Michael McKenzie,Heather Mitchell. &nbspApplied Financial Economics . 2002 (8)

[12]

Regression neural network for error correction in foreign exchange forecasting and trading[J] . An-Sing Chen,Mark T. Leung. &nbspComputers and Operations Research . 2003 (7)

[13]

Forecasting exchange rate better with artificial neural network[J] . Chakradhara Panda,V. Narasimhan. &nbspJournal of Policy Modeling . 2006 (2)

[14] 无监督的视频业务特征分析与分类 [J].

姚利涛 ;

董育宁 .

应用科学学报, 2015, 33 (02) :117-128

← 1 2 →