用MinMax或日志收益归一化来预测股价走势是更好的方法吗？

Question

我正试图使用LSTM模型来预测d+2和d+3的收盘价。我不确定是否应该使数据正常化。

• 使用MixMax标量器(-1，+1)
• 使用日志返回
• (P(n)-P(0))/P(0)

我已经尝试了很多来自Github的源代码，它们似乎没有在任何技术上汇合。

Answer 1

1. 与百分比更改相比，日志返回是对称的。从理论上讲，log(a/b) = - log(b/a)和这种(较少的偏斜)会使大多数模型(线性回归、神经网络)得到更好的结果。
2. 如果数值接近于零，像lstm这样的神经网络工作得更好，但归一化方面的差别通常没有那么大。
3. 任何回报(原值或百分比)都比原始值好，因为价格会根据以前的价格变化。与以前的价格相比，它们的绝对(原始)价值几乎没有什么影响。

我建议首先将其转换为日志返回，然后再进行正常化。如果是日均价格，我会把原木收益除以大约0.05。价格变化在一个分布中有很大的尾部，所以我不建议使用minmax，因为然后除以0.5 (这可能是在大萧条中)，使所有的值都接近于零。除以标准差也应该是好的。

但现实与理论不同，所以最好以基准来衡量。也许百分比的变化更好，因为这是人们看到和反应的数字。市场与心理学有很大关系。

并准备好看到非常高的错误和糟糕的模型。金融市场在实践和理论上都是不可预测的。根据经济学理论，如果它们是可预测的，而且人们是理性的，并且拥有无限的信贷额度，那么与整个市场相比，任何获得额外资金的可能性都将在毫秒内关闭。只有当你找到一些方法来分析目前没有人使用的数据时，你才能赚钱。20世纪90年代讨论了神经网络来预测金融市场。因此，LSTM在2018年并不是什么新鲜事。