量化专题报告：利用循环神经网络预测期货收益｜华泰期货2017

报告摘要

本报告由华泰期货量化策略组撰写，深入探讨循环神经网络（RNN）在期货收益预测中的应用。报告对比了RNN与传统前馈神经网络及动态贝叶斯网络（HMM、SSM）的差异，详细介绍了长短时记忆单元（LSTM）和门控循环单元（GRU）两种变体，并基于GRU构建模型对沪金、PTA和菜粕主力期货的5日收益率进行预测，取得一定效果。适合量化研究员、期货交易员、金融科技从业者及对深度学习在金融领域应用感兴趣的人群。报告包含RNN架构图解、数学公式及实际回测案例，是理解RNN在期货时间序列预测中应用的实用参考。

📋 核心要点(部分)

1. 循环神经网络简介
2. 循环神经网络架构
3. 长短时记忆单元
4. 门控循环单元
5. 实证分析