Autoencoder与金融数据应用

xiaoxiaoma

AI技术近年来发展迅速，并且已经深入扩散到各个真实世界的应用领域，比如自然语
言分析、图像识别等。 这些成功的应用为我们将新方法移植到金融数据分析领域提供
了学习的案例 。

同时，我们也看到AI技术依然属于前沿领域 , 其推进方向并不仅限于成功实例 。 它发
展的巨大潜力蕴含在大量的 专业 研究领域 , 特别是 在 新应用场景 ,面对更加具体和复
杂的问题 , 提出进一步的模型方法和应用模式。 这为我们研究 低信噪比的 金融数据 ,尝
试更多新方法提供了 内容 丰富的土壤 。

本文，我们将把 自编码器方法 (autoencoder)应用到 金融 数据分析的层面上， 寻找金融
时间序列 数据中的 多 个活跃影响维度 的表现形式 , 并且与已知的一些模型方法进行对
比 ,从而确定方法的有效性 ,为 无监督学习 模型的深入应用提供依据。