前言
过完年了,大家都开卷啦,当然我也不能稳如老狗,虽然菜,但也要行动起来,昨天看了沐神的读论文三步走的方法,今天打算先从中文文献实践一遍,毕竟英文文献还是有点障碍的,循序渐进嘛(自我安慰法)。从万方随便找了一篇文献走一遍(其实是太菜了,不知道看哪些),话不多说,干就完事。
先回顾一下沐神的三步走:
- 第一遍:读标题,摘要,结论三部分(读完之后感兴趣的话就往下读第二遍第三遍,否则及时换下一家)
- 第二遍:看方法和实验部分的一些重要图和表
- 第三遍:读文章每一句话。读完之后问自己:如果让自己写这篇文章“我”会怎么做?
文献在这里《基于机器学习算法的金融市场趋势预测研究》
读论文用的软件:小绿鲸英文文献阅读器(用英文阅读器)
一、第一遍:标题,摘要,结论
摘 要:针对当前方法对金融市场长、短期趋势的预测结果偏差较大的问题,提出了基于机器学习的金融市场趋势预测方法。
依照一定时间间隔采集金融数据,产生金融数据时间序列,采用小波分析方法对金融数据时间序列进行处理,去除其中的噪
声,保留近似数据。通过卷积长短期记忆神经网络对金融数据时间序列进行学习,建立金融市场预测模型。测试结果表明,
所提出的方法可以有效清除噪声、平滑初始数据,在短期趋势与长期趋势预测中均具有较高预测精度。
关键词:机器学习;金融市场;趋势预测;时间序列;小波分析
新东西:小波分析法
结论:长短期预测精度都高(偏差小),相较之前的长短期预测精度偏差大的结果要优!
二、重要图表
没读图之前我理解的结论是:长期和短期两者之间的偏差,读完图发现根本不是如此,是长期和预测值的偏差,短期和自己预测值之间的偏差。这就体现了读图这一步的必要性了。
三、逐句精读后思考
1.引言
当前普遍应用的趋势预测方法:
基于多维交互验证法的趋势预测方法:从心理与行为等维度出发,构建多维决策树模型。但只适用于短期趋势预测。
基于多类别特征体系的趋势预测方法:将金融市场多类别特征体系输入神经网络内进行训练。但预测结果偏差较大。
针对上述,,提出了基于机器学习算法的金融市场趋势预测方法,
金融数据时间序列+小波分析(降噪)+长短期记忆神经网络=准确预测金融市场趋势。
2.预测方法
1 构建金融数据时间序列
2 小波分析
3 基于卷积长短期记忆神经网络预测模型构建
3.实例测试
本文选用IeakReIu函数为激活函数,该函数的主要优势为收敛速度较快,可提升预测效率。模型训练过程中选用RMsprop算法为优化算法,同时在设定惩罚项的基础上,采用dropout方式随机删除部分隐藏单元,以此防止出现预测模型拟合过度问题。
利用小波分析将初始收盘价时间序列分解为4层,以此重构初始收盘价时间序列,提升后续预测模型泛化能力。
分别基于初始收盘价时间序列和重构后的收盘价时间序列进行收盘价趋势预测,并将预测结果与实际趋势变化情况进行对比。
总结
第一次写有点潦草,慢慢来吧!