| 融合注意力机制的LSTM期货投资策略 |
| |
| 引用本文： | 李亚峰,王洪波,李晨,王富豪,刘勐,罗静静.融合注意力机制的LSTM期货投资策略[J].计算机系统应用,2021,30(8):22-30. |
| |
| 作者姓名： | 李亚峰 王洪波 李晨 王富豪 刘勐 罗静静 |
| |
| 作者单位： | 复旦大学 工程与应用技术研究院, 上海 200433;复旦大学 智能机器人教育部工程研究中心, 上海 200433;复旦大学 大数据学院, 上海 200433;复旦大学 上海智能机器人工程技术研究中心, 上海 200433;复旦大学 工程与应用技术研究院, 上海 200433 |
| |
| 摘 要： | 近年来,金融量化领域中不断出现基于人工智能算法的量化投资模型,这些模型试图通过人工智能的方法来对金融时间序列建模,从而对数据进行预测并构建投资策略.针对传统的长短时记忆神经网络(Long Short Term Memory,LSTM)对金融时间序列预测不佳的问题,本文提出一种改进的LSTM模型,通过在LSTM层加入注意力机制(attention mechanism)提高神经网络的预测效果,通过遗传算法(Genetic Algorithm,GA)对模型参数调优提高模型泛化能力.使用2019年1月至2020年5月期间国内股指期货数据,我们进行了现有最高水平(state-of-the-art)算法间对比实验,结果显示本文提出的改进的LSTM模型的各方面指标均优于其它模型,显示了该策略模型应用于期货投资的有效性.
|
| 关 键 词： | 神经网络 遗传算法 注意力机制 回测 期货 投资策略 |
| 收稿时间： | 2020/11/27 0:00:00 |
| 修稿时间： | 2020/12/28 0:00:00 |
Future Investment Strategy Based on LSTM with Attention Mechanism |
| |
| LI Ya-Feng,WANG Hong-Bo,LI Chen,WANG Fu-Hao,LIU Meng,LUO Jing-Jing.Future Investment Strategy Based on LSTM with Attention Mechanism[J].Computer Systems& Applications,2021,30(8):22-30. |
| |
| Authors: | LI Ya-Feng WANG Hong-Bo LI Chen WANG Fu-Hao LIU Meng LUO Jing-Jing |
| |
| Affiliation: | Academy for Engineering & Technology, Fudan University, Shanghai 200433, China;Engineering Research Center of AI & Robotics, Ministry of Education, Shanghai 200433, China;School of Data Science, Fudan University, Shanghai 200433, China;Shanghai Engineering Research Center of AI & Robotics, Shanghai 200433, China |
| |
| Abstract: | |
| |
| Keywords: | neural network genetic algorithm attention mechanism backtesting futures investment strategy |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
