文献类型：期刊文章

作　　者：马超[1,2] 侯天诚[3] 徐瑾辉[2,5] 张振华[4,6] 蓝斌[3,7]

机构地区：[1]伦敦大学学院计算统计学与机器学习中心,伦敦WC1E6BT [2]广东外语外贸大学金融学院应用数学系,广东广州510006 [3]广东外语外贸大学金融学院金融学系,广东广州510006 [4]广东外语外贸大学经济贸易学院统计学系,广东广州510006 [5]印第安纳大学统计学系,布卢明顿IN47405 [6]考文垂大学商务、环境和社会学院,考文垂CV15FB [7]香港城市大学经济及金融系,中国香港999077

出　　处：《徐州工程学院学报（自然科学版）》

基　　金：广东省大学生科技创新培育专项资金(“攀登计划”专项资金)资助项目(126-GK161012);国家统计局全国统计科研计划项目(2016LZ18,2016537);广东省自然科学基金项目(2014A030313575,2016A030313688);广东省软科学项目(2015A070704051);广东省质量工程项目(125-XCQ16268);广东外语外贸大学特色创新及团队项目(15T21,DT1605)

年　　份：2017

卷　　号：32

期　　号：2

起止页码：46-53

语　　种：中文

收录情况：CAS、JST、普通刊

摘　　要：针对神经网络直接预测原始价格存在的泛化误差大、预测价格变动方向的准确率不高等问题,提出一种基于泛函的深度降噪自编码神经网络,并提高神经网络的在时间序列上的泛化能力.将预测目标改为ZigZag/PI指标,且通过着重预测价格序列的趋势和方向,避免来自原始序列的噪音影响,弥补神经网络在方向预测上的固有缺陷.

关 键 词：深度学习  泛函网络 降噪自编码  金融预测

分 类 号：F830.49[金融学类]