金融时序预测中的深度学习方法综述: 从2005到2019，附63页pdf下载

【简介】毋庸置疑，金融时间序列预测由于拥有广泛的应用领域和巨大的影响力，其正成为成为学术界和金融业研究人员研究计算智能的首选。机器学习(ML)研究者提出的各种各样的模型和所做的大量研究都已经被公开。比如：目前有大量关于将机器学习用于金融时间序列预测研究的调查。最近，深度学习（DL）模型也开始被运用到这个领域，且DL方法显著优于传统的ML方法。尽管人们对开发金融时间序列预测的模型越来越感兴趣，但是目前缺乏专门针对DL的金融文献综述。因此，这篇论文是想提供一个关于DL方法在金融时间序列预测研究方面如何实现的文献综述。我们不仅根据预测已经实施的领域(如指数、外汇、商品预测)对研究进行了分类，而且根据DL模型的选择对研究进行了分组(如CNNs,DBNs，LSTM)。我们还试图通过强调可能出现的挫折和机遇来展望该领域的未来，使得对该领域感兴趣的研究人员能够从中受益。

原文链接：

https://arxiv.org/abs/1911.13288

介绍

金融行业对于能够成功预测金融时间序列数据一直很感兴趣。许多基于ML(机器学习)模型的研究已经公开，与经典的时间序列预测技术相比，ML模型具有更好的性能。同时，自动化电子交易系统的广泛应用，以及对收益越来越高的需求，迫使研究人员和从业者继续寻找更好的模型。因此，涌现出了大量关于金融和计算智能文献。本文对以下问题做出了解答：

1. 哪一种深度学习模型经常被用来进行金融时间序列预测？

2. 与传统的ML模型相比，DL模型的性能如何？

3. 在金融时间序列预测研究领域，DL研究的未来方向是什么？

论文章节内容

• Section 1.论文简介

• Section 2.现有的关于机器学习(ML)和针对软计算研究进行金融时间序列预测的调查报告。

• Section 3.介绍目前用到的深度学习模型，比如CNN，LSTM，Deep Reinforcement Learning.

• Section 4.使用深度学习进行金融时间序列预测的各种实践领域，如股票预测、指数预测、趋势预测、商品预测、波动率预测、外汇预测、加密货币预测。

• Section 5.对我们的研究成果的总体统计进行展示，包括不同的子领域、模型、出版物类型等的年度分布的直方图。

• Section 6.讨论目前该领域已经取得的学术和工业成就，以及未来可能的研究方向。

• Section 7.总结。

关注专知公众号（点击上方蓝色 专知 关注 ）

• 后台回复“FTSF” 就可以获取综述全文的下载链接~ 

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加）， 获取专知VIP会员码， 加入专知人工智能主题群，咨询技术商务合作~

点击“阅读原文”，了解注册成为专知会员，查看5000+AI主题知识资料