DPP：ろうそく足チャートからの価格移動の深い予測因子

株式市場の価格の予測は、収益と利益、国際的および国内経済状況、政治的出来事、金融政策、主要な突然の問題などに関する市場ニュースのリリースなどの多くの要因の影響を受けているため、株式市場の価格を予測することは複雑で挑戦的です。新しいフレームワーク：在庫履歴データにろうそく足チャートを使用した価格移動の深い予測因子（DPP）が提案されています。このフレームワークは、次の3つのステップで構成されています。1。特定のろうそく足チャートをサブチャートに分解します。2. CNN-AutoEncoderを使用して、サブチャートの最良の表現を取得します。3. RNNを適用して、サブチャート表現のコレクションから価格の動きを予測します。東京証券取引所のために、台湾証券取引所の加重株価指数と株式市場指数の日経225の取引データを使用して、DPPベースのモデルのパフォーマンスを評価するために広範な研究が実施されています。IEM、預言者、およびLSTMアプローチに基づいた3つのベースラインモデルは、DPPベースのモデルと比較されます。

Forecasting the stock market prices is complicated and challenging since the price movement is affected by many factors such as releasing market news about earnings and profits, international and domestic economic situation, political events, monetary policy, major abrupt affairs, etc. In this work, a novel framework: deep predictor for price movement (DPP) using candlestick charts in the stock historical data is proposed. This framework comprises three steps: 1. decomposing a given candlestick chart into sub-charts; 2. using CNN-autoencoder to acquire the best representation of sub-charts; 3. applying RNN to predict the price movements from a collection of sub-chart representations. An extensive study is operated to assess the performance of the DPP based models using the trading data of Taiwan Stock Exchange Capitalization Weighted Stock Index and a stock market index, Nikkei 225, for the Tokyo Stock Exchange. Three baseline models based on IEM, Prophet, and LSTM approaches are compared with the DPP based models.