金融时序预测中的深度学习方法：2005到2019

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。