Нейросетевое тестирование алгоритма разметки данных для классификации уровней поддержки и сопротивления на финансовых рынках

Нейросетевое тестирование алгоритма разметки данных для классификации уровней поддержки и сопротивления на финансовых рынках

Bibliographic Details
Parent link:Вестник Томского государственного университета. Управление, вычислительная техника и информатика.— .— Томск: Изд-во ТГУ
№ 70.— 2025.— С. 91-102
Main Author: Хайров М. А. Марк Альбертович
Other Authors: Спицын В. Г. Владимир Григорьевич
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
Published: 2025
Subjects:
электронный ресурс
труды учёных ТПУ
рыночные котировки
глубинное обучение
причинно-следственные связи
уровни поддержки
уровни сопротивления
Online Access:https://www.elibrary.ru/item.asp?id=80631524
Format: Electronic Book Chapter
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=679775

Similar Items

Similar Items