通过图像分类进行交易

我们的研究表明，将时间序列分析转换为计算机视觉任务是有益的用于识别人类使用技术分析的典型交易决策。杨格、阿利克斯·弗洛曼和维罗妮卡·布斯塔曼特提供了有见地的评论和重要建议，帮助完成了这份手稿。声明和保证，并放弃所有责任、研究或投资建议或建议或任何证券的买卖邀约，金融工具，构成任何司法管辖区或任何人的招揽，如果不合法。(c)2020 J.P.Morgan Chase&Co.保留所有权利。参考文献【1】Charu C Aggarwal。2015，《数据挖掘：教科书》。斯普林格。[2] Anthony Bagnall、Jason Lines、Aaron Bostrom、James Large和Eamonn Keogh。最近算法进展的评估。数据挖掘和知识发现31，3（2017），606–660。[3] 乔纳森·伯克、彼得·德马佐、贾罗德·哈福德、盖伊·福特、维托·莫利卡和奈杰尔·芬奇。2013年，公司基础南希。皮尔逊高等教育联盟。[4] 克里斯托弗·M·毕晓普。模式识别和机器学习。斯普林格。[5] 图像分类设计阳离子。arXiv预印本arXiv:1907.09567（2019）。[6] 市场指标。伊利诺伊州道琼斯欧文霍姆伍德。[7] 威利父子公司。[8] 伊恩·古德费罗、约舒亚·本吉奥和亚伦·库维尔。2016年，深度学习。MITpress公司。[9] 机器视觉会议（ICMV 2017），第10696卷。国际光学与光子学学会，106960Y。[10] Rob J Hyndman和George Athanasopoulos。2018，《预测：原则与实践》。OTexts公司。[11] Gregory Koch、Richard Zemel和Ruslan Salakhutdinov。2015年，用于一次性图像识别的暹罗神经网络。ICML深度学习研讨会，第2卷。[12] Alex Krizhevsky、Ilya Sutskever和Geo雷伊·辛顿。2012年Imagenet classi阳离子与深度卷积神经网络。

神经信息处理系统的进展。1097–1105.[13] Yann LeCun、Yoshua Bengio和Geo雷伊·辛顿。2015年，深度学习。《自然》5217553（2015），436。[14] 约翰·J·墨菲。1999年，技术分析金融市场：交易方法和应用的综合指南。企鹅[15] Daniel S Park、William Chan、Yu Zhang、Chung Cheng Chiu、Barret Zoph、Ekin DCubuk和Quoc V Le。Specaugment：一种用于自动语音识别的简单数据增强方法。arXiv预印本arXiv:1904.08779（2019）。[16] 市场价格已确定。普林斯顿大学出版社。[17] 第十三届数据挖掘国际会议。IEEE，687–696。[18] Vinicius MA Souza、Diego F Silva和Gustavo EAPA Batista。2014年，提取时间序列分类的纹理特征阳离子。2014年第22届国际模式识别会议。IEEE，1425–1430。[19] Christian Szegedy、Wei Liu、Yangqing Jia、Pierre Sermanet、Scott Reed、DragomirGoing用卷积更深入。IEEE计算机视觉和模式识别会议记录。1–9.[20] 蔡云成、陈俊豪和王振杰。2019.将烛台编码为图案分类的图像阳离子使用卷积神经网络。arXiv预印本arXiv:1901.05237（2019）。[21]蔡街。2005年分析金融时间序列。第543卷。约翰·威利父子公司。[22]王晓刚、汤晓鸥。2017年imageclassi剩余关注网络阳离子。IEEE计算机视觉和模式识别会议论文集。3156–3164.[23]第二十九届AAAI会议关于Arti的研讨会社交智能。[24]王志光和蒂姆·奥茨。2015年，成像时间序列以提高分类阳离子和插补。第二十四届Arti国际联席会议cialIntelligence。【25】学术出版社。马修·D·泽勒和罗伯·弗格斯。可视化和理解卷积网络。

在欧洲计算机视觉会议上。斯普林格，818–833。