Forecasting Foreign Exchange Market Prices Using Technical Indicators with Deep Learning and Attention Mechanism

要約

外国為替市場の価格動向を正確に予測することは非常に重要です。
この論文では、テクニカル指標とディープ ニューラル ネットワークを活用した新しいアプローチを提案します。
提案されたアーキテクチャは、長期短期記憶 (LSTM) と畳み込みニューラル ネットワーク (CNN)、および注意メカニズムで構成されます。
最初に、トレンドとオシレーションのテクニカル指標を使用して外国為替通貨ペアのデータから統計的特徴を抽出し、価格傾向、市場のボラティリティ、相対的な価格の強さ、買われすぎと売られすぎの状況についての洞察を提供します。
その後、LSTM ネットワークと CNN ネットワークを並行して利用して、リカレント アーキテクチャと畳み込みアーキテクチャの両方の長所を活用して、将来の価格変動を予測します。
LSTM ネットワークはデータ内の長期的な依存関係と時間的パターンをキャプチャし、CNN ネットワークはローカル パターンを抽出します。
次に、並列 LSTM ネットワークと CNN ネットワークの出力がアテンション メカニズムに供給され、各特徴の重要性と時間的依存性の重み付けを学習し、入力データのコンテキストを意識した表現が生成されます。
その後、注意を重み付けした出力を使用して将来の価格変動を予測し、モデルが最も関連性の高い特徴と時間的依存性に焦点を当てることができるようになります。
複数の外国為替通貨ペアに対する提案されたアプローチの包括的な評価を通じて、価格動向の予測とベンチマーク モデルを上回るパフォーマンスにおけるその有効性を実証します。

要約(オリジナル)

Accurate prediction of price behavior in the foreign exchange market is crucial. This paper proposes a novel approach that leverages technical indicators and deep neural networks. The proposed architecture consists of a Long Short-Term Memory (LSTM) and Convolutional Neural Network (CNN), and attention mechanism. Initially, trend and oscillation technical indicators are employed to extract statistical features from Forex currency pair data, providing insights into price trends, market volatility, relative price strength, and overbought and oversold conditions. Subsequently, the LSTM and CNN networks are utilized in parallel to predict future price movements, leveraging the strengths of both recurrent and convolutional architectures. The LSTM network captures long-term dependencies and temporal patterns in the data, while the CNN network extracts local patterns. The outputs of the parallel LSTM and CNN networks are then fed into an attention mechanism, which learns to weigh the importance of each feature and temporal dependency, generating a context-aware representation of the input data. The attention-weighted output is then used to predict future price movements, enabling the model to focus on the most relevant features and temporal dependencies. Through a comprehensive evaluation of the proposed approach on multiple Forex currency pairs, we demonstrate its effectiveness in predicting price behavior and outperforming benchmark models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google