发现股票的语言

SoftMax回归是一种多项式logistic回归，是logistic回归的推广（见方程（12））。它用于建模类别因变量（例如0：买入、1：卖出和2：持有），类别不得有任何顺序（或等级）。Word2Vec NN的输出神经元使用Softmax，即输出层是Softmax回归分类器。根据输入序列，SoftMax神经元将输出概率分布（浮点值介于0和1之间），所有这些V={买入、卖出、持有}输出值（yk）的总和将加起来为1。yk=P（y=k | x）=exTwkPnwi=1exTwi（12）由于数据过度拟合导致模型参数过度增加也会影响模型性能。这将模型参数的系数推至零，从而降低成本函数。为了学习任何模型，我们必须省略没有课堂预测的培训天数，因为第3.6节中的“FutureTeller”是预先考虑的，其中校正的交易天数为nd=nd- nla。3.7.1转换后的基本预测XYX（3×nd）y（1×nd）=HOLOCOHOLOCO。HndondlndcndondondondAA。和→ y=fHO、LO、CO（13） 根据基本预测，我们没有包括OHLC烛台外观的背景，这影响了Word2VEC的执行，并通过添加前几天的OHLC烛台来考虑背景。3.7.2 Word2Vec预测，包括wordsw向量（见等式（5））和交易行为向量（见等式（10））的汇总，格式如下w（1×nd）y（1×nd）=ww。wndAA。和（14） winvWeight矩阵w M（nv×nw）（见等式（9）），其中wi=vi，1，vi，2，六、内华达州. 矩阵中的训练数据xx（nv×nd）定义如下hx（nv×nd）y（1×nd）i=v1,1v1,2。v1、nvv2、1v2、2。v2，nv。vwnd，1vwnd，2。vwnd，内华达州AA。

.和（15） 我们通过将以前的nmtrading days添加到当前交易日来添加上下文，并定义一个新的inputmatrix X（nv×nd），其中nd=nd- 纳米。Letcvj=[cv1，j，cv2，j，…，cvnv，j]∈ 给定交易日j（rowjin matrixX）的Xbea上下文向量，其中j∈ [1，nd]和上下文输入矩阵Xis定义如下hx（nv×nd）y（1×nd）i=cv1,1cv1,2。cv1、nvcv2、1cv2、2。内华达州cv2。cvwnd，1cvwnd，2。内华达州cvwndAA。和（16） 其中，上下文向量CVJI是前几个交易日的向量之和，如下所示CVJ=j+nmXk=jvk（17），其中vk=[v1，k，v2，k，…，vnd，k]是矩阵X.4评估中的第k行。为了总结苹果（AAPL）、微软（MSFT）和可口可乐（KO）股票的结果，提议的模型产生了有希望的结果。在测试阶段，拟议的预测模型与拟议的交易策略相结合，表现优于表1所示的所有比较模型。表1:testphaseBuy&Hold MA（50100）MACD W2VApple（AAPL）10000美元初始投资下选定股票预测模型的平均收益率102557.08美元34915.34美元46452.72美元182938.35微软（MSFT）–2927.03美元-4140.42美元-3261.15美元11109.06可口可乐（KO）$1996.82美元2066.74美元-1108.05美元4360.76美元验证阶段的平均收益率33875.62美元10947.21美元14027.84美元66136.05美元，性能稍低，但拟议模型的平均产量仍高于表2所示的可比模型。

然而，仅基于三个样本份额得出结论可能没有意义，因此我们在更大的数据集上进行了广泛的测试，并进行了验证性数据分析。验证阶段Buy&Hold MA（50100）MACD W2VApple（AAPL）28611.11美元32339.63美元6619.31美元57543.47微软（MSFT）20316.42美元1809.31美元2477.12美元10603.90可口可乐（KO）5547.81美元3583.26美元-4220.57美元3163.32美元平均18158.45美元12577.40美元1625.28美元23770.19美国股市公司（市值和当前指数会员资格）。预测模型分别针对每种股票进行了测试。因此，对于50只股票中的每一只，预测模型都是基于特定股票的最高产量模型进行训练的。经过训练的模型，其参数针对比比较模型更高的产量进行调整。然而，在验证阶段，结果不如测试阶段好。移动平均线和MACD模型的平均收益率仍然较小，而买入持有模型的表现优于我们的模型。表3：初始投资10000Buy&Hold MA（50100）MACD W2VRussell Top 50 index的Russell Top 50 index股票预测模型的平均收益率-测试阶段2818.98美元1073.06美元-482.04美元11725.25美元Russell Top 50 index-验证阶段16590.83美元6238.43美元395.10美元10324.24我们的模型生成除一只股票（即JNJ）外的所有股票的收益率，其中零收益率为零。更重要的是，收益率，而在16%的情况下，该模型优于所有比较模型。在30%的病例中，该模型是第二好模型。此外，在7个案例中，模型的产量与最佳方法的产量非常接近。平均收益率为我们提供了有关模型性能的一些信息。然而，基于平均收益率名义变量：预测模型（例如买入和持有与W2V）和单个股票（例如IBM、AAPL、MSFT、GOOGL等）以及一个测量变量（股票收益率）。

我们有两个样本，其中一个样本中的观察值与另一个样本中的观察值配对。当对之间的差异呈正态分布时，配对t检验用于比较两个总体均值。在我们的例子中，人口数据没有正态分布。此外，配对之间的差异分布严重非正态分布。W2V）。我们通过z分数确定统计显著性，z分数是根据公式（18）：z计算的≈W-N（N+1）qN（N+1）（2N+1）=W- 637.5103.591（18）NWWminW-, W+W-W+第二种方法）。对于计算的z值，我们在正态概率表（z表）中查找相应的p值。