基于联合特征学习的多尺度卷积神经网络在外汇交易市场中的应用

陈希远，朱 佳

(华南师范大学计算机学院，广东 广州 510631)

0 引 言

机器学习在外汇交易市场等多种领域中展现出优异性能。鉴于CNN网络在图像处理方面的优势，已知价格在过去一段时间内的波动图后，本文提出将这些波动图与其他特征联合起来，利用CNN网络对外汇价格进行预测。

首先，利用价格波动图而不仅仅是价格特征进行预测，主要基于如下2点考虑：

1)无论是每分钟更新一次的Close价格还是每小时更新一次的Open价格，价格特征无法有效展现价格的变化趋势。这也是众多交易商利用图表(比如K线图)进行技术分析的主要原因。

2)通过图表分析，交易商可更轻松地发现市场规律。这些图表本质上属于图像，与CNN网络结合起来，便可开发出图表识别和分析水平可与资深交易商相媲美的交易系统。

基于以上2点考虑，可利用反映某2种货币过去价格波动的时间序列数据图，对CNN网络进行训练。然后，根据CNN网络的输出，便可预测未来几分钟的价格波动情况。如果CNN网络可准确预测价格波动，便可实现赢利，即：CNN网络预测价格将要上升时买入，预测价格将要下降时抛出。图1给出一个图像示例，图2给出本文提出的预测流程。从图中可以看出，预测流程只有一个输入和一个输出。图像即是网络输入；根据CNN网络的计算结果，可能有2种输出情形。“UP”表示汇率价格将会上升，“DOWN”表示价格将会下降。

图1 CNN网络的输入图像示例

图2 价格预测流程

1)本文提出采用多尺度CNN网络架构，将图像作为特征进行外汇价格预测。……