人造金融時間序列的可檢測性
學年 111
學期 1
發表日期 2022-12-01
作品名稱 人造金融時間序列的可檢測性
作品名稱（其他語言）
著者 林柏欣; 林莊傑; 洪智傑; 陳建彰
作品所屬單位
出版者
會議名稱 The 27th International Conference on Technologies and Applications of Artificial Intelligence (TAAI)
會議地點 臺南市，台灣
摘要 金融時間序列通常被認為是難以模型化且難以預測 的。退而求其次，在本篇研究中我們假定金融時間序列乃為基於一個馬可夫決策過程所產生的隨機序列。基於這個假設，我們探討兩個關於金融商品的價格時間序列的辨識問題。試圖區分出真實的價格時間序列與人造的價格時間序列。首先，我們探討是否存在機器學習的模型能區分真實的價格時間序列與時序顛倒的價格時間序列。接著，我們探討在當價格時間序列受到不同比例的隨機篡改後，是否存在機器學習的模型能將它們與真實的價格時間序列區分出來。我們使用的資料為美國 Verizon 每日股價與加密貨幣BTC 的每日價格，使用的機器學習模型為Long-Short Term Memory (LSTM)、Support Vector Machine (SVM)、Multilayer perceptron (MLP)。根據實驗結 果，我們給予上述兩個問題肯定的答案，提供金融時間序列兩種可預測的特性。
關鍵字 LSTM; MLP; SVM 可預測性; 馬可夫決策過程
語言 zh_TW
收錄於
會議性質 國內
校內研討會地點 無
研討會時間 20221201~20221203
通訊作者
國別 TWN
公開徵稿
出版型式
出處 https://taai2022.github.io/accepted.html
SDGS 優質教育,夥伴關係