深度学习模型提升金融时间序列预测能力

研究人员开发了一种新颖的深度学习模型 Bi-LSTM-CNN，用于预测金融时间序列趋势。该混合系统结合了生成对抗网络 (GANs) 与双向长短期记忆网络 (LSTM) 和卷积神经网络 (CNNs)，以生成保留真实金融数据特征的合成数据。该模型在 TSX、SHCOMP 和 S&P 500 等股票市场的数据上进行了评估，与现有的机器学习原型相比，表现出卓越的性能。 AI

影响 这项研究引入了一种新颖的混合深度学习模型，有望通过生成合成数据来提高金融预测的准确性。

排序理由 该集群包含一篇详细介绍用于金融时间序列预测的新深度学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Bi-LSTM-CNN
• convolutional neural network
• generative adversarial network
• LSTM
• SHCOMP
• S&P 500
• Wilfredo Tovar

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →