深度学习期货择时模型优化及应用：Seq2Seq与Transformer实战
报告在CNN+LSTM基础上，应用Seq2Seq和Transformer模型对订单簿数据进行单步多步预测，准确率维持80%左右，螺纹钢、Brent原油、PTA年化收益超30%，提供期货择时策略优化方案。
报告摘要
报告在CNN+LSTM基础上，应用Seq2Seq和Transformer模型对订单簿数据进行单步多步预测，准确率维持80%左右，螺纹钢、Brent原油、PTA年化收益超30%，提供期货择时策略优化方案。
核心要点
- Seq2Seq与Transformer模型原理
- 订单簿择时策略优化
- 期货品种价格预测应用
报告信息
- 文件全名
- 《量化研究报告：深度学习期货择时模型优化及应用-中信期货》
- 适合读者
- 数据来源
- 多方数据交叉验证
- 核心议题
常见问题
《深度学习期货择时模型优化及应用：Seq2Seq与Transformer实战》主要包含哪些内容?
报告在CNN+LSTM基础上，应用Seq2Seq和Transformer模型对订单簿数据进行单步多步预测，准确率维持80%左右，螺纹钢、Brent原油、PTA年化收益超30%，提供期货择时策略优化方案。
这份报告由哪家机构发布?
本报告由中信期货发布,发布于 2023 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2023 年,全文约 17.0。
这份报告是免费的吗?如何获取?
本报告为付费报告,可在资料宝站内下单后获取完整内容。
这份报告适合哪些读者?
适合量化研究员、期货交易员、金融科技从业者等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、Transformer、Seq2Seq、实战等议题。
继续阅读
查看全部 →