.png){kind=icon}
返回
Machine Learning vs. Randomness: Challenges in Predicting Binary Options Movements
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-10486-1_43.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
二元期权交易常被宣传为可由预测模型产生稳定利润的领域。然而，二元期权的内在随机性和随机特性导致价格走势高度不可预测，给任何预测方法带来重大挑战。本研究表明，机器学习算法在预测二元期权走势时难以超越简单基线。使用2021年至2023年的EUR/USD货币对数据集，我们测试了多种模型，包括随机森林、逻辑回归、梯度提升和k近邻（kNN），并在超参数优化前后进行了评估。此外，还在不同训练条件下评估了多层感知器（MLP）和长短期记忆（LSTM）网络等几种神经网络架构。尽管进行了这些详尽的尝试，但所有模型均未超过ZeroR基线准确率，突显了二元期权的固有随机性。这些发现进一步证实了二元期权缺乏可预测模式，使其不适合用于基于机器学习的预测。
Keyword:
Binary Options
Machine Learning
Neural Networks
Financial Market Prediction
Time Series Analysis
期刊
I
IF:
0
论文数:
50
被引数:
0
机构
引用论文
分享收藏Predicting Economic Trends and Stock Market Prices with Deep Learning and Advanced Machine Learning Techniques.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏分享收藏分享收藏
查看更多内容