文章 "一个基于新指标和条件长短期记忆网络(LSTM)的实例"

 

新文章 一个基于新指标和条件长短期记忆网络(LSTM)的实例已发布:

本文探讨了一种用于自动化交易的EA的开发,该EA结合了技术分析和深度学习预测。

技术指标长期以来一直被金融行业用来发现趋势和潜在的交易机会。尽管这些指标很重要,但它们常常无法完全捕捉市场动态的复杂性,特别是在极端波动或急剧变化的时期。然而,深度学习架构,特别是LSTM,已经在处理复杂的时间序列数据的模式识别和预测方面展现出惊人的潜力。然而,这些模型并不总是像传统技术分析那样提供可解释性和特定领域的知识。

我们的策略旨在通过结合这两种方法的优势来弥合这一差距。本文介绍了一种名为波动率调整动量(VAM)指标的新工具,它试图在考虑潜在波动率的同时衡量市场动量。与传统动量指标相比,这为市场动态提供了更细致的图景。VAM旨在通过考虑波动率,在从平静到动荡的各种市场情境中提供更可靠的信号。


作者:Javier Santiago Gaston De Iriarte Cabrera