利用机器学习技术进行行业特定ETF方向变化预测的先进LSTM神经网络
原文中文,约500字,阅读约需2分钟。发表于: 。本研究针对投资者在实现投资组合多样化以最大化回报时面临的挑战,探讨了机器学习方法在这一领域的可行性。采用长短期记忆网络(LSTM)模型对2200多只股票进行分析,结果显示模型表现优异,平均R平方值达0.8651,最高为0.942,表明其在多个行业预测方向变化方面的高效性,助力投资者优化投资组合。
该论文提出了一种新颖的冒险资产组合对冲方法,通过基于资产价格的集合算法投资策略实现多样化潜力验证。研究发现,基于LSTM的策略优于其他模型,比特币构建的AIS是最佳多样化方法。LSTM模型在更高频率的数据上表现优异。