Discussão do artigo "Redes neurais em trading: Previsão de séries temporais com o auxílio da decomposição modal adaptativa (ACEFormer)"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Redes neurais em trading: Previsão de séries temporais com o auxílio da decomposição modal adaptativa (ACEFormer) foi publicado:
Tentativas de construir modelos de previsão já eram realizadas no final do século XX. As arquiteturas mais simples de redes neurais mostraram que, em princípio, é possível treinar modelos para prever movimentos de mercado. No entanto, essas abordagens sofriam com a incapacidade de reter informações em intervalos temporais longos e rapidamente esqueciam o que havia ocorrido pouco antes.
Com o surgimento da arquitetura LSTM, a situação melhorou. Esses modelos, por possuírem mecanismos de memória, conseguiam manter padrões importantes ao longo de períodos de tempo mais extensos. Eles se difundiram amplamente em tarefas de previsão de séries temporais. Mas também aqui nem tudo se mostrou simples. As séries financeiras não são sequências temporais comuns. Elas são irregulares. Nelas, frequentemente não há uniformidade entre os ticks. E nelas existe uma quantidade extremamente grande de picos de curto prazo que não carregam informações significativas sobre a direção do rótulo de tendência.
Um problema especialmente sério é representado pelo trading de alta frequência. Ele cria o chamado ruído de mercado, que são oscilações múltiplas das cotações dentro de intervalos de tempo muito curtos. Essas oscilações mascaram os verdadeiros rótulos de tendência, tornam os dados instáveis e sobrecarregam o modelo com eventos irrelevantes. Como resultado, até mesmo arquiteturas complexas começam a se concentrar não no que é importante, mas no que apenas distrai.
Para resolver as tarefas mencionadas, no trabalho "An End-to-End Structure with Novel Position Mechanism and Improved EMD for Stock Forecasting", foi proposto o framework ACEFormer, que representa um algoritmo integrado para análise de séries temporais de bolsa, especialmente adaptado às condições de trading de alta frequência. Isso não é apenas um modelo, mas um sistema de componentes que se complementam mutuamente, em que cada um resolve uma tarefa específica, como filtragem de ruído, consideração dos intervalos de tempo e focalização da atenção em mudanças-chave.
Autor: Dmitriy Gizlyk