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。
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。
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。核心数据:2017年10月25日;5日收益率预测。
本报告由华泰期货发布,发布于 2017 年。
覆盖 2017 年,全文约 10。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、期货交易员、金融科技从业者、深度学习研究者等读者参考。
重点分析了金融投资、期货收益、华泰期货、量化等议题。