文件大小：1.91M
金融市场价格受多种因素影响,呈现出非线性、非平稳、高维度等复杂特性,导致趋势预测十分困难.为了进一步提高趋势预测精度,本文提出一种基于时序图像编码与遗传优化卷积神经网络模型,简称CMIE-GA-CNN (Combining Multi Image EncodingGenetic Algorithm-CNN).首先从特征工程视角针对金融时序高维特性难表征问题,将一维时间序列编码为格拉姆图、递归图、马尔可夫图、折线图等二维图像提取其高维隐形特征.其次,组合上述图像以克服单类图像编码的信息丢失问题.最后,引入遗传算法优化卷积神经网络参数提升预测模型性能,组合图作为输入得到预测结果.为证实提出模型有效性,对道琼斯工业平均指数、标准普尔500指数、美元指数3组金融时间序列进行趋势预测与拐点预测,与常用预测方法、单类图像编码输入和无参数优化的深度学习预测方法相比,本文模型提高了趋势预测精度且更稳健.
