机器的“深度学习”会是交易的未来吗

在图像和语音识别等领域，深度学习技术所取得的突破引起了很大关注。但是在金融领域，深度学习技术的应用，距离大规模采用似乎仍然遥远。

那么，人们在将深度学习技术应用于金融交易中到底做了哪些研究，各自又取得了什么样的进展？以下几个案例将带你了解这个领域的前沿。

1、预测股票有效挂单报价

伦敦帝国学院数学系的Justin A. Sirignano在其5月16日的论文中称，利用2014-2015年纳斯达克市场的489只股票的交易情况，他从中提取了高达50TB的数据。

为了处理如此多的数据，他的测试的硬件包括50块GPU的集群。在对他所建立的“空间神经网络”进行训练和测试后发现，能够提前1秒钟预测到买卖双方的报价情况。

查看论文原文，请点击Here。

2、金融资产价格变动预测

美国伊利诺伊斯理工大学的Matthew Francis Dixon利用深度学习神经网络，来试图预测43种大宗商品和外汇期货在未来5分钟的价格变动。

他们的信息接收端包含9896个神经元，用于处理不同合约之间的价格差异和协同效应。在信息输出端有135个神经元。

在不考虑交易成本以及报价区间限制的情况下，他们测试结果的总体准确率达到42%。

查看论文原文，请点击Here。

3、预测标普500指数波动性

斯坦福大学的Ruoxuan Xiong等人试图通过集成了谷歌趋势和市场数据的LSTM（Long Short-Term Memory）区块来预测标普500指数的波动性。

在数据输入上，他们利用了每日的标普500指数收益率和波动率，还包括25条谷歌趋势，从而将经济的各个主要领域包含进来。

他们最后总结称，这项研究显示了在存在大量噪音的情况下深度学习金融时间序列的潜力。研究中所用的方法能够直接应用于其他的金融变量。

查看论文原文，请点击Here。

4、优化投资组合

Bartlit Beck Herman Palenchar公司的J. B. Heaton等人试图打造出表现超过美国IBB生物医药指数的投资组合。他们的研究工具包括五个神经元，利用2012-2016年间IBB成分股票的每周收益数据进行分析。

查看论文原文，请点击Here。

原文地址：http://wallstreetcn.com/node/246516