典型文献
基于深度学习与信号分解的金融交易决策支持模型
文献摘要：
本文提出一种数据表征方式以反映金融市场状态,并根据该表征提出一个短期交易决策支持模型.通过信号分解技术,该模型将一维非平稳时间序列分解为多维平稳子序列,并进一步将子序列重构为二维图像矩阵以表征每日市场状态.在此基础上,该模型利用神经网络的特征学习能力捕捉五日连续窗口的最优决策点.通过统计性能和财务业绩两种评估方式以及模型对比,结果表明本文所提出的短期交易决策模型有很强的应用性和适应性,可在多变的市场环境中获得可观利润.
文献关键词：
序列分解;神经网络;决策模型;算法交易
中图分类号：
作者姓名：
刘敏;张凡;王林;朱青
作者机构：
南昌大学经济管理学院,南昌330000;西安交通大学管理学院,西安710049;华中科技大学管理学院,武汉430074;陕西师范大学国际商学院,西安710061
文献出处：
引用格式：
[1]刘敏;张凡;王林;朱青-.基于深度学习与信号分解的金融交易决策支持模型)[J].管理评论,2022(09):14-26
A类：
B类：
金融交易,交易决策,决策支持,数据表征,表征方式,金融市场,市场状态,信号分解技术,非平稳时间序列,时间序列分解,子序列,二维图像,图像矩,特征学习能力,五日,最优决策,决策点,财务业绩,评估方式,模型对比,决策模型,市场环境,算法交易
AB值：
0.45593
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
