論文閱讀 | An Artificial Neural Network-based Stock Trading System

做者：chen_h
微信號 & QQ：862251340
微信公衆號：coderpai
簡書地址：https://www.jianshu.com/p/31a...

---

論文連接：arxiv

1. 論文摘要

在這篇文章中，做者提出了一個神經網絡架構用來對股票價格進行預測，使用的數據源是股票的一些技術分析指標。首先，做者開發了一個將金融股票序列數據轉化成一系列買賣的信號，也就是製做模型訓練集和測試集。而後，在全部道指股票上面進行學習（時間從 1997 年到 2007 年）。做者使用了 Apache Spark 大數據框架用於訓練過程，最後利用從 2007 年到 2017 年的數據進行模型測試。結果代表，經過選擇最合適的技術指標，在大多數狀況下，神經網絡模型能夠實現比較好的策略結果。此外，微調技術指標和（或）優化策略能夠提高總體的交易表現。

2. 數據處理

股票市場上面有許多的技術指標，在這裏咱們主要選擇的是三種技術指標：RSI，MACD 和 Williams %R（WR）。

2.1 Relative Strength Index（RSI）

相對強弱指數（RSI）是顯示股價歷史強弱的技術動量指標。它還比較了在特定時間段內的損失和收益，具體公式以下：

2.2 Moving Average Convergence and Diver- gence（MACD）

MACD 是一個說明股價走勢的技術指標。它等於 12 日指數移動平均線（EMA）與 26 日均線指數（EMA）的差值。具體公式以下：

2.3 Williams %R（WR）

威廉指標是基於動量的技術指標，顯示股價超買和超賣的變化。具體公式以下：

3. 模型分析

在這篇文章中，做者一共用了兩個模型：一個是金融序列模型，用來處理原始數據，獲得咱們的買點和賣點；另外一個是神經網絡模型，用來預測買點和賣點。

3.1 金融序列模型

咱們經過編寫模型，來自動分析股票歷史數據中的波峯和波谷，從而獲得買點和賣點數據。

3.2 神經網絡模型

神經網絡模型一共有四層，即一個輸入層（4個節點），兩個隱藏層（5個節點和4個節點）和一個輸出層（3個節點）。咱們輸入的數據分別是收盤價（close price），RSI，WR和MACD。輸出數據是買點，賣點和不操做（三分類）。具體模型以下：

論文完整的算法步驟，能夠以下歸納：

---

做者：chen_h
微信號 & QQ：862251340
簡書地址：https://www.jianshu.com/p/31a...

CoderPai 是一個專一於算法實戰的平臺，從基礎的算法到人工智能算法都有設計。若是你對算法實戰感興趣，請快快關注咱們吧。加入AI實戰微信羣，AI實戰QQ羣，ACM算法微信羣，ACM算法QQ羣。長按或者掃描以下二維碼，關注 「CoderPai」 微信號（coderpai）