神经网络的外汇市场预测

我想使用ANN自动交易货币，最好是USD / EUR或USD / GBP。我知道这很困难，可能并不简单。我已经看过一些论文并做了一些实验，但是没有多大运气。我想从专家那里获得建议，以完成这项工作。

这是我到目前为止所做的：

1. 我得到了2013年7月的逐笔价格数据。它具有买/卖/卖量/卖量。
2. 提取所有时间段中从12PM到14PM的所有刻度。
3. 根据此数据，创建一个数据集，其中每个条目依次包含n个出价值。
4. 使用该数据来训练具有n-1个输入的ANN，输出是预测的第n个出价。
5. ANN具有n-1个输入神经元，（n-1）* 2 + 1个隐藏神经元和1个输出神经元。输入层具有线性TF，隐藏层具有对数TF，输出层具有线性TF。
6. 先用n-125再用10进行反向传播训练网络。

对于这两个n，MSE均未跌破0.5，并在完整训练期间保持在该值。假设这可能是由于时间序列完全是随机的，我使用R包在数据集（pacf）上找到了部分自相关。这仅给出了2和3个滞后的非零值。

问题1：这到底是什么意思？

然后，我使用hurst指数来评估随机性。在R中，hurst（值）显示的值大于0.9。

问题2：应该几乎是随机的。它的值应该接近0.5吗？

我重复了n = 3的ANN训练。ANN经过培训，能够为MSE获得相当低的价值。但是，此ANN的计算输出与第（n-1）个出价值相差不大。看起来ANN会将最后一个出价作为下一个出价！我尝试了不同的网络结构（所有多层感知器），不同的训练参数等，但结果是相同的。

问题3：如何提高准确性？除了反向传播，还有其他训练方法吗？

您看到的结果并不是培训产品的副产品，但这neural nets并不是执行此任务的理想选择。Neural nets通过组合多个简单函数，可以有效地创建高阶非线性函数。这通常是一件非常好的事，因为它允许神经网络适应非常复杂的模式。

但是，在证券交易所中，任何复杂的交易模式都会很快消失。检测复杂的模式通常不会产生有用的结果，因为从短期来看，它通常是复杂的模式。此外，根据您选择的指标，有许多种效果良好的方法实际上无法在投资中获利（例如，仅预测示例中的最后一个价值）。

此外，股市令人吃惊地混乱，这可能导致neural net过度拟合。这意味着它学习的模式将难以推广。只是看到库存在一天之内减少，然后一致地决定库存总会减少，这只是因为它是在相对短期内看到的。相反，像ridge和robust regression这样的技术可以更好地识别更通用，更简单的模式。

robust regression出于同样的原因，使用了类似的Kaggle比赛的获胜者。如果您切换到将在神经网络的深层复函数上找到较低多项式阶数的函数的浅层学习模型，则可能会看到更好的结果。

尝试循环神经网络，该模型非常适合时间序列数据。众所周知，它们很难训练，但经过适当的训练，它们似乎表现良好：http：//cs229.stanford.edu/proj2012/BernalFokPidaparthi-FinancialMarketTimeSeriesPredictionwithRecurrentNeural.pdf