江苏龙网

  1. 首页 > 生活 > >

深度学习在金融序列分析上有优势吗

不太确定你说的金融序列是什么。一般来说，统计和机器学习间的关系是这样的。如果有明确的概率模型，比如能猜测出靠谱的算概率，不管是需要估计参数还是分类，那么就用统计的方法。如果没有猜测的概率模型，比如数据是综合的（一篇文章，图像，各种“大数据”等），这时候往往只能做到分类任务，（估计参数也是估计分类算法中的参数），这种情况用机器学习的方法处理数据。也正是因为不需要猜测数据的概率模型，所以机器学习的算法比统计学算法更加普适（稳健）。金融序列，比如某个股票价格随时间变化的序列，是有概率模型的，这种情况往往利用其概率模型而开发的统计算法能够更好的完成任务。不知道你说的金融序列具体是什么数据，也不知道你的任务是啥，估计参数？分类（趋势预测等都属于分类）？所以不知道我说的对不对哦。深度学习是典型的没有利用任何概率模型的机器学习算法，适用于高维的，综合的（各个分量含义截然不同），没有概率规律的数据。所以在金融序列数据上应该没什么优势。
■网友
讲一个我发现的规律，某些领域（如语音识别，文字识别、翻译）人类智能表现良好，在这些领域通过深度学习建立的智能系统可以接近甚至超过人类智能，是可以期待的。但是在某些领域，人类智能的表现并不好（例如投资决策），如果在这些领域作为近似人类智能的AI的表现超过人类，情理上讲不过去。
■网友
部分简单的机器学习模型是OK的，但前提是要有idea。
深度学习因为金融数据受事件影响显著、数据量有限，脱离其他指标单独根据价格来分析不靠谱。

■网友
他问的是有没有优势。我的测试体验，是有作用，但没明显优势。
■网友
时间序列分析里面LSTM/GRU+Attention用的不少，性能也不错，有一定的优势。
但是金融序列分析受外界因素影响太大，根据历史数据优化模型往往靠不住，有时候一个利好利空消息放出来，之前的优化就基本没啥用了。

■网友
【深度学习在金融序列分析上有优势吗】 不好说毕竟有失败者偏差。做出来的也就去闷声发大财了


    推荐阅读


    上一篇：「P2P公司的注册门槛可能要提高到1亿元」对目前的P2P公司影响大吗

    下一篇：国内人气旺的 SNS 有哪些