基于人工智能的数量化金融预测方法研究
Journal: Economics DOI: 10.12238/ej.v7i12.2154
Abstract
为了应对传统金融预测方法在处理复杂市场数据时的局限性,逐渐将人工智能技术引入数量化金融预测领域。通过采用机器学习和深度学习等先进算法,文章探讨了这些技术在金融市场预测中的应用现状与挑战。研究分析了监督学习、无监督学习和强化学习在金融数据处理中的具体应用,以及深度学习中的卷积神经网络和循环神经网络在时间序列预测中的优势,人工智能技术在提升预测准确性和处理大规模数据方面具有显著优势,但仍面临模型解释性不足和数据依赖性强等问题。因此,未来需要进一步改进模型的解释性、增强模型的泛化能力,并探索新算法,以应对不断变化的金融市场。
Keywords
人工智能；数量化金融；预测方法；机器学习；深度学习
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 曾志豪,王金恒.优化算法下LSTM模型在金融预测中的准确性研究[J].电脑编程技巧与维护,2023,(11):60-64+75.
[2] 夏春华.统计方法在财务风险管理和金融预测中的应用[J].全国流通经济,2021,(19):181-183.
[3] 沈斌,温涛.基于IOWA算子的一维AR(p)组合金融预测模型[J].统计与决策,2020,36(07):37-40.
[4] 姜庭欣.金融科技视角下人工智能在金融领域的实践路径研究[J].金融客,2023,(11):1-3.
[5] 杨双源.人工智能对金融监管的影响与应用[J].产业创新研究,2023,(19):138-140.
[2] 夏春华.统计方法在财务风险管理和金融预测中的应用[J].全国流通经济,2021,(19):181-183.
[3] 沈斌,温涛.基于IOWA算子的一维AR(p)组合金融预测模型[J].统计与决策,2020,36(07):37-40.
[4] 姜庭欣.金融科技视角下人工智能在金融领域的实践路径研究[J].金融客,2023,(11):1-3.
[5] 杨双源.人工智能对金融监管的影响与应用[J].产业创新研究,2023,(19):138-140.
Copyright © 2024 程思鸿, 高迅, 卢春权, 钟梓月, 胡聪涵
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License