Нейросетевое тестирование алгоритма разметки данных для классификации уровней поддержки и сопротивления на финансовых рынках; Вестник Томского государственного университета. Управление, вычислительная техника и информатика; № 70
| Parent link: | Вестник Томского государственного университета. Управление, вычислительная техника и информатика.— .— Томск: Изд-во ТГУ № 70.— 2025.— С. 91-102 |
|---|---|
| Autor Principal: | |
| Outros autores: | |
| Summary: | Заглавие с экрана Представлен алгоритм разметки данных для обучения классификатора, способного определять уровни поддержки и сопротивления на данных финансовых рынков. На основе данных, полученных с помощью этого алгоритма, была обучена модель CNN-LSTM-MLP, включающая блок каузальных сверток, LSTM и полносвязные слои. Эксперимент с простой торговой стратегией продемонстрировал практическую применимость модели, сопровождавшуюся повышением доходности на 10% в сравнении с базовой стратегией, где модель не была использована. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов An algorithm for labeling data is presented to train a classifier capable of identifying support and resistance levels in financial market data. Using data obtained from this algorithm, a CNN-LSTM-MLP model was trained, incorporating causal convolutions, LSTM, and fully connected layers. An experiment with a simple trading strategy demonstrated the practical applicability of the model, accompanied by a 10% increase in profitability compared to a basic strategy where the model was not used. Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests Текстовый файл |
| Idioma: | ruso |
| Publicado: |
2025
|
| Subjects: | |
| Acceso en liña: | https://www.elibrary.ru/item.asp?id=80631524 |
| Formato: | MixedMaterials Electrónico Capítulo de libro |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=679775 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 679775 | ||
| 005 | 20250904151727.0 | ||
| 090 | |a 679775 | ||
| 100 | |a 20250421d2025 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drcn ---uucaa | ||
| 181 | 0 | |a i |b e | |
| 182 | 0 | |a b | |
| 183 | 0 | |a cr |2 RDAcarrier | |
| 200 | 1 | |a Нейросетевое тестирование алгоритма разметки данных для классификации уровней поддержки и сопротивления на финансовых рынках |d Neural network testing of a data labeling algorithm for classifying support and resistance levels in financial markets |f Хайров М. А., Спицын В. Г. |z eng | |
| 300 | |a Заглавие с экрана | ||
| 320 | |a Список литературы: 14 назв | ||
| 330 | |a Представлен алгоритм разметки данных для обучения классификатора, способного определять уровни поддержки и сопротивления на данных финансовых рынков. На основе данных, полученных с помощью этого алгоритма, была обучена модель CNN-LSTM-MLP, включающая блок каузальных сверток, LSTM и полносвязные слои. Эксперимент с простой торговой стратегией продемонстрировал практическую применимость модели, сопровождавшуюся повышением доходности на 10% в сравнении с базовой стратегией, где модель не была использована. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов | ||
| 330 | |a An algorithm for labeling data is presented to train a classifier capable of identifying support and resistance levels in financial market data. Using data obtained from this algorithm, a CNN-LSTM-MLP model was trained, incorporating causal convolutions, LSTM, and fully connected layers. An experiment with a simple trading strategy demonstrated the practical applicability of the model, accompanied by a 10% increase in profitability compared to a basic strategy where the model was not used. Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests | ||
| 336 | |a Текстовый файл | ||
| 461 | 1 | |t Вестник Томского государственного университета. Управление, вычислительная техника и информатика |c Томск |n Изд-во ТГУ | |
| 463 | 1 | |t № 70 |v С. 91-102 |d 2025 | |
| 545 | 1 | |a Обработка информации | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a рыночные котировки | |
| 610 | 1 | |a глубинное обучение | |
| 610 | 1 | |a причинно-следственные связи | |
| 610 | 1 | |a уровни поддержки | |
| 610 | 1 | |a уровни сопротивления | |
| 700 | 1 | |a Хайров |b М. А. |g Марк Альбертович | |
| 701 | 1 | |a Спицын |b В. Г. |c специалист в области информатики и вычислительной техники |c профессор Томского политехнического университета, доктор технических наук |f 1948- |g Владимир Григорьевич |9 9740 | |
| 801 | 0 | |a RU |b 63413507 |c 20250421 |g RCR | |
| 850 | |a 63413507 | ||
| 856 | 4 | |u https://www.elibrary.ru/item.asp?id=80631524 |z https://www.elibrary.ru/item.asp?id=80631524 | |
| 942 | |c CF | ||