ترجمه فارسی مقاله تقویت استراتژی های معاملات روند قیمت از طریق وزن اهمیت ناشی از تصویر

چکیده

We open up the “black-box” to identify the predictive general price patterns in price chart images via the deep learning image analysis techniques. Our identified price patterns lead to the construction of image-induced importance (triple-I) weights, which are applied to weighted moving average the existing price trend trading signals according to their level of importance in predicting price movements. From an extensive empirical analysis on the Chinese stock market, we show that the triple-I weighting scheme can significantly enhance the price trend trading signals for proposing portfolios, with a thoughtful robustness study in terms of network specifications, image structures, and stock sizes. Moreover, we demonstrate that the triple-I weighting scheme is able to propose long-term portfolios from a time-scale transfer learning, enhance the news-based trading strategies through a non-technical transfer learning, and increase the overall strength of numerous trading rules for portfolio selection.

چکیده به فارسی (ترجمه ماشینی)

ما “جعبه سیاه” را باز می کنیم تا الگوهای پیش بینی کننده قیمت عمومی در تصاویر نمودار قیمت را از طریق تکنیک های تجزیه و تحلیل تصویر عمیق یادگیری شناسایی کنیم.الگوهای قیمت مشخص شده ما منجر به ساخت وزنهای اهمیت ناشی از تصویر (سه گانه I) می شود ، که برای میانگین متحرک وزنی اعمال می شود و با توجه به میزان اهمیت آنها در پیش بینی حرکات قیمت ، سیگنال های معاملات روند موجود را نشان می دهد.از یک تجزیه و تحلیل تجربی گسترده در بازار سهام چین ، ما نشان می دهیم که طرح وزنه برداری Triple-I می تواند سیگنال های معاملات روند قیمت را برای پیشنهاد اوراق بهادار ، با یک مطالعه استحکام متفکرانه از نظر مشخصات شبکه ، ساختار تصویر و اندازه سهام افزایش دهد.علاوه بر این ، ما نشان می دهیم که طرح وزنه برداری Triple-I قادر به ارائه اوراق بهادار بلند مدت از یادگیری انتقال در مقیاس زمان ، افزایش استراتژی های معاملاتی مبتنی بر اخبار از طریق یادگیری انتقال غیر فنی و افزایش قدرت کلی تجارت بی شماری است.قوانین مربوط به انتخاب نمونه کارها.