关键词foreign exchange market
搜索结果 - 5
- 短期 FOREX 预测的神经网络架构比较分析
设计和实施的 LSTM 神经网络与基于技术分析指标模拟器的 ANN 自定义架构进行了比较分析，并得出了有关每个架构的适用性以及实施所需的时间和计算资源成本的有价值结论。ANN 自定义架构以更高的敏感度、更少的资源和更少的时间产生了更好的预测 - 运用新闻与媒体情感分析生成外汇交易信号
本研究目的是调查情感分析如何应用于外汇市场生成交易信号，作者通过词典分析和朴素贝叶斯机器学习算法，评估了与美元有关的社交媒体帖子和新闻文章的情感。研究结果表明情感分析在预测市场走势和制定交易信号方面具有价值，并且其有效性在不同市场条件下保持 - 使用 ChatGPT 改进金融领域的情感分析
使用大型语言模型 ChatGPT 3.5 进行金融情感分析，特别关注外汇市场，通过零样本提示方法的探究，比起金融文本情感分析模型 FinBERT，ChatGPT 表现出了大约 35% 的情感分类性能提升以及 36% 更高的与市场回报的相关性 - 汇率动态聚类
使用网络科学技术研究了 1991 年至 2008 年外汇市场的相关性，考虑到外汇市场网络，每个节点代表汇率，每个带权重的边表示率之间的时间相关性，并使用动态社区进行派系分析，跟踪交换率的时间动态和市场地位。我们也利用社区动态来揭示外汇市场的 - 多通道数据下的动态社区发现：以 2007-2008 信贷危机外汇市场为例
通过对多通道 (多元) 时间序列的相关性进行表示并研究网络社群的演变，我们探究了簇动力学。在外汇市场网络中，我们使用节点为中心的方法来跟踪社群演化对各节点功能角色的影响。利用动态社群检测，我们成功地发现了信贷危机期间市场中发生的主要交易变化