machine-learning - 使用差价时消失

Question

我们正在与一个团队研究如何高频预测价格变动。我们决定尝试预测价格差异以及功能，而不是直接预测价格。换句话说，在时间 t+1，我们预测时间 t+2 的价格差异和特征。我们使用时间 t+1 的预测特征来预测时间 t+2 的价格。

我们非常兴奋，因为我们认为通过下图可以获得很好的结果

我们在生产中遇到了问题，直到绘制出价格差异后我们才知道问题所在。

这是配置文件的内容

{
    "data": {
        "sequence_length":30,
        "train_test_split": 0.85,
        "normalise": false,
        "num_steps": 5
    },
    "training": {
        "epochs":200,
        "batch_size": 64
    },
    "model": {
        "loss": "mse",
        "optimizer": "adam",
        "layers": [
            {
                "type": "lstm",
                "neurons": 51,
                "input_timesteps": 30,
                "input_dim": 101,
                "return_seq": true,
                "activation": "relu"
            },
            {
                "type": "dropout",
                "rate": 0.1
            },
            {
                "type": "lstm",
                "neurons": 51,
                "activation": "relu",
                "return_seq": false
            },
            {
                "type": "dropout",
                "rate": 0.1
            },
            {
                "type": "dense",
                "neurons": 101,
                "activation": "relu"
            },
            {
                "type": "dense",
                "neurons": 101,
                "activation": "linear"
            }
        ]
    }
}

如何解决价差消失的问题？

Answer 1

将下一个价格预测在 1% 左右是非常容易的。您可以仅使用旧价格作为预测并达到 1%。价格变化不会很快。因此，下一个价格几乎总是非常接近上一个价格。该模型已经注意到了这一点。

我猜你的模型除了下一个价格接近上一个价格这一非常简单的关系之外几乎什么也没学到。您的模型不一定有任何问题。预测股票价格应该是一个非常困难的问题。解决这个问题会让你变得富有。就是这么难。