神经网络投资最近变得越来越流行。特别是长短期记忆网络(LSTMs)已经被证明对金融时间序列预测具有很强的预测能力。本文将介绍神经网络投资的关键信息和结论,特别是关于LSTMs在金融市场预测中的应用。
LSTMs对金融序列预测具有很强的预测能力
一项研究表明,LSTM网络可以预测标准普尔500成份股的样本外价格变动方向。去除交易成本之前的夏普比率达到5.8。结果还表明,LSTMs的表现明显优于其他分类方法,如随机森林和逻辑回归。LSTMs能够识别高波动性和短期收益率反转的股票,这有助于解释其部分超额收益。
深度神经网络可以预测未来公司基本面
有研究表明,如果我们能够根据对未来基本面的预测来选择股票,那么我们的投资组合表现将大大提高。为此,研究人员训练了深度神经网络来预测未来5年的财务基本面数据。定量分析发现,与简单被动预测相比,均方误差有显著改进。此外,回测结果显示,使用神经网络预测提高了组合的复合年化收益率。
深度学习预测横截面的股票收益
最近的一篇论文应用了深度学习方法来预测日本股票市场的月度股票收益。结果表明,深度神经网络通常优于浅层神经网络,最佳的深度网络还优于其他表征学习模型。这说明深度学习在预测横截面股票收益方面具有巨大潜力。
神经网络整合技术分析指标用于股票交易
一项研究提出了一个整合了技术分析指标的基于神经网络的股票交易系统。该系统首先使用常用技术指标生成交易信号。然后,多层感知器神经网络在历史数据上进行训练。结果表明,通过选择最佳技术指标,神经网络模型大多数情况下优于买入并持有策略。这表明神经网络和技术分析指标的结合用于股票交易是有前景的。
神经网络和深度学习方法,特别是LSTMs,在金融市场预测和算法交易方面显示出巨大的应用潜力。它们可以用于预测未来的公司基本面,以及股票市场的价格和收益。与其他机器学习方法相比,深度神经网络往往具有更强大的预测能力。