Investigating Market Strength Prediction with CNNs on Candlestick Chart Images

要約

このペーパーでは、投資決定を支援するために、ローソク足チャートの画像のみから市場の強さを予測する方法を調査します。
研究の中心的な課題は、時系列データを使用しない生のローソク足ビジュアルを使用して、効果的なコンピューター ビジョン ベースのモデルを開発することです。
特に、YOLOv8 によって検出されたローソク足パターンを組み込んだ場合の影響を分析します。
この研究では、チャート画像に対する純粋な CNN とパターンを検出する Decomposer アーキテクチャの 2 つのアプローチを実装しています。
実験では、株式、仮想通貨、外国為替資産にわたる多様な金融データセットを利用します。
主要な調査結果は、ローソク足パターンが私たちの研究における画像データのみに比べてモデルのパフォーマンスを向上させないことを示しています。
重要なのは、ローソク足イメージ信号の限界を明らかにすることです。
パフォーマンスは約 0.7 精度でピークに達し、より複雑な時系列モデルを下回りました。
結果は、視覚的な形状だけから十分な予測力を抽出することにおける課題を明らかにし、他のデータモダリティの組み込みを動機付けています。
この調査では、純粋な画像ベースのモデルがどのように取引に情報を提供できるのかを明らかにするとともに、パターンを確認することで生のチャートに比べてほとんど価値が得られないことを明らかにしました。
私たちのコンテンツは個別のセクションに分割されるよう努めており、それぞれが独立して独自の貢献を提供しながら、一貫したつながりを維持しています。
ここで説明する例は、この論文で概説した範囲、適用可能性、または知識に限定されないことに注意してください。

要約(オリジナル)

This paper investigates predicting market strength solely from candlestick chart images to assist investment decisions. The core research problem is developing an effective computer vision-based model using raw candlestick visuals without time-series data. We specifically analyze the impact of incorporating candlestick patterns that were detected by YOLOv8. The study implements two approaches: pure CNN on chart images and a Decomposer architecture detecting patterns. Experiments utilize diverse financial datasets spanning stocks, cryptocurrencies, and forex assets. Key findings demonstrate candlestick patterns do not improve model performance over only image data in our research. The significance is illuminating limitations in candlestick image signals. Performance peaked at approximately 0.7 accuracy, below more complex time-series models. Outcomes reveal challenges in distilling sufficient predictive power from visual shapes alone, motivating the incorporation of other data modalities. This research clarifies how purely image-based models can inform trading while confirming patterns add little value over raw charts. Our content is endeavored to be delineated into distinct sections, each autonomously furnishing a unique contribution while maintaining cohesive linkage. Note that, the examples discussed herein are not limited to the scope, applicability, or knowledge outlined in the paper.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google