基于卷积神经网络(CNN)的期货价格预测|中信期货量化专题报告
本报告由中信期货量化团队撰写,首次将卷积神经网络(CNN)应用于金融时间序列预测,通过将期货价格数据转换为图像,利用CNN模型进行涨跌分类建模。报告系统梳理了人工神经网络与CNN的核心原理,并针对时间序列数据设计了专门的CNN分类方法,为量化交易者提供前沿的AI预测思路。适合量化研究员、CTA策略开发者、金融科技从业者及对深度学习在金融领域应用感兴趣的专业人士。
本报告由中信期货量化团队撰写,首次将卷积神经网络(CNN)应用于金融时间序列预测,通过将期货价格数据转换为图像,利用CNN模型进行涨跌分类建模。报告系统梳理了人工神经网络与CNN的核心原理,并针对时间序列数据设计了专门的CNN分类方法,为量化交易者提供前沿的AI预测思路。适合量化研究员、CTA策略开发者、金融科技从业者及对深度学习在金融领域应用感兴趣的专业人士。
本报告由中信期货量化团队撰写,首次将卷积神经网络(CNN)应用于金融时间序列预测,通过将期货价格数据转换为图像,利用CNN模型进行涨跌分类建模。报告系统梳理了人工神经网络与CNN的核心原理,并针对时间序列数据设计了专门的CNN分类方法,为量化交易者提供前沿的AI预测思路。适合量化研究员、CTA策略开发者、金融科技从业者及对深度学习在金融领域应用感兴趣的专业人士。
本报告由中信期货量化团队撰写,首次将卷积神经网络(CNN)应用于金融时间序列预测,通过将期货价格数据转换为图像,利用CNN模型进行涨跌分类建模。报告系统梳理了人工神经网络与CNN的核心原理,并针对时间序列数据设计了专门的CNN分类方法,为量化交易者提供前沿的AI预测思路。适合量化研究员、CTA策略开发者、金融科技从业者及对深度学习在金融领域应用感兴趣的专业人士。核心数据:2018年1月发布;中信期货出品;神经网络系列一。
本报告由中信期货发布,发布于 2018 年。
覆盖 2018 年,全文约 12。
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、CTA策略开发者、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、期货价格、CNN等议题。