深度学习优化限价订单簿高频择时模型-中信期货量化研究
报告基于牛津大学量化金融实验室提出的高频择时策略,使用超400万条限价订单簿数据,构建深度学习网络(CNN+LSTM)优化择时模型,实验证明空间和时间序列特征提取显著提升预测准确率,为金融期货高频交易提供数据基础。
报告基于牛津大学量化金融实验室提出的高频择时策略,使用超400万条限价订单簿数据,构建深度学习网络(CNN+LSTM)优化择时模型,实验证明空间和时间序列特征提取显著提升预测准确率,为金融期货高频交易提供数据基础。
报告基于牛津大学量化金融实验室提出的高频择时策略,使用超400万条限价订单簿数据,构建深度学习网络(CNN+LSTM)优化择时模型,实验证明空间和时间序列特征提取显著提升预测准确率,为金融期货高频交易提供数据基础。
报告基于牛津大学量化金融实验室提出的高频择时策略,使用超400万条限价订单簿数据,构建深度学习网络(CNN+LSTM)优化择时模型,实验证明空间和时间序列特征提取显著提升预测准确率,为金融期货高频交易提供数据基础。核心数据:400万。
本报告由中信期货发布,发布于 2022 年。
覆盖 2022 年,全文约 21.0。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合量化研究员、金融分析师、高频交易从业者等读者参考。
重点分析了金融投资、金融投资研究等议题。