.png){kind=icon}
返回
Predicting Commodity Returns Through Image-Based Price Patterns
.png){kind=icon}
PRE
AI
DOI：10.1002/fut.70043.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们使用从开盘-最高-最低-收盘（OHLC）图表中提取的基于图像的价格模式来检验商品期货收益的可预测性。将卷积神经网络（CNN）应用于美国商品期货数据，我们提取了不含预定义模式（如动量或均值回归）的预测信号。实证结果表明，基于图像的预测提高了预测精度，尤其是在短期和中期时间范围内，20天OHLC图像的预测性能最为稳健。与传统的金融预测因子相比，CNN能够捕捉非线性依赖关系，同时保持独特的解释力。面板回归证实，基于图像的预测与既定的收益因子存在相关性。然而，从美国市场到中国市场的迁移学习在商品期货市场中被证明是无效的，这凸显了进行市场特定调整的必要性。
Keyword:
CNN
commodity futures
machine learning
OHLC charts
price pattern
期刊
J
IF:
2.3
论文数:
72
被引数:
2.2K
机构
暂无机构信息
.png){kind=icon}
查看更多内容