外汇汇率预测

Question

最近我强迫我的神经网络学习异或函数，但现在我想预测给定日期的货币汇率。对于XOR函数来说很容易，因为输入和输出落在[0; 1）之间。

汇率： 应该对输入和输出进行归一化处理吗？如果是的话如何？网络应该有多少层？有多少输入 - 我在考虑1个输入（时间或某种表示）。

我打算使用：多层网络，sigmoid函数，带有nesterov动量的梯度下降。

Answer 1

如果您使用公开可用的数据，则您的预测在实际情况下注定会失败。它通常与试图在观看后视镜时驾驶汽车相比。一个好的模型可以让你比“天真”的拍摄有轻微的优势，即第二天的汇率将与前一天相同。关于你提到的几件提示：

• sigmoid几乎总是一个错误的选择，它只适用于输出层，这就是当你有一个二进制分类器。你显然不是。
• 多层：是的，否则为什么要打扰ANN？对于初学者，您可以使用LSTM，GRU和1-CNN的组合，这取决于您拥有多少处理能力。
• 正常化：有争议，我会说“不”，但这样做不会是一个杀手。汇率不是有限的，也不是正态分布的，但它们也很难快速达到一些极端值。如果他们这样做，无论如何你都会被搞砸，这可能是你的系统无法预测的。我会选择标准化。更重要的是，我将批处理标准化层置于其间。

关于如何设计它和层数的问题是一些大型文章和书籍的主题，几乎没有问题。一旦你有了你的设计和结果，我肯定社区会乐于提出一些改进并指出问题。