20230413-华安证券-_学海拾珠_系列之一百三十六_基于堆叠自编码器和长短期记忆网络的金融时间序列深度学习框架_28页_4mb

报告分析了基于堆叠自编码器和长短期记忆网络的深度学习框架（名为WSAEs-LSTM）在金融时间序列预测中的应用。该框架结合了小波变换、堆叠自编码器和长短期记忆网络，旨在处理股票市场的噪声、波动性和非平稳特性。输入变量包括历史交易数据、技术指标和宏观经济变量。研究使用了6个全球股票指数（如沪深300、S&P500）进行跨市场测试，显示WSAEs-LSTM在预测准确性和盈利能力上优于其他模型（如LSTM、RNN）。评估指标包括平均绝对百分比误差（MAPE）、相关系数（R）和泰尔不等式系数（Theil U），以及基于交易策略的盈利分析。报告指出该框架能有效提取深层特征，提高预测性能，但基于历史数据，不构成投资建议。

分析师：严佳炜、骆昱杉
报告日期：2023-4-13