借助AI增强交易模型
使用Keras深度学习和PivotBillions借助AI极大地改善了货币交易模型。
在当今时代变得越来越明显，数据正在扩展和变化，超出了人类机器学习以充分利用它的能力。这使得通过深度学习增强当前的分析变得更加必要和有利可图。我们的团队投入巨资开发了一种交易模型，该模型可以继续在货币交换市场中盈利。尽管我们成功开发了这样的模型，但仍有很大的改进空间，并且我们正在达到当前机器学习方法的极限。由于深度学习的强大功能和多功能性，我们决定使用深度神经网络来增强我们的模型。
我们面临的第一个问题是如何将我们的金融货币数据表示为图像。有多种方法可以将货币数据重塑为图像。但是，每个人都需要 大量的处理能力和研究能力。通过处理1.43亿个原始刻度数据点和无数可能的功能极大地减慢了我们的研究周期。然后，我们决定使用 Pivot Billions来支持我们的分析，这使我们能够快速加载和分析数据，并使用其自定义模块将其重塑为图像。从修改原始数据到将其转换为图像数据，然后对其进行深度学习的整个过程 现在仅需几分钟即可完成。 这也使我们对输入功能的选择更加容易，因为它允许我们添加和快速迭代与深度学习相关的各种功能。
将Pivot Billions纳入我们的Keras工作流程，通过模拟并为模型信号创建利润标签来快速准备我们的数据，包括在行中每个信号之前的最后100分钟，为我们每个输入功能的相应信号进行设置建立我们的训练和测试数据集。在对输入特征的类型和深度神经网络的结构进行多次迭代之后，我们能够确定一个深度学习模型，该模型学习了模型的弱点和优势，并能更准确地预测盈利信号。
我们的原始基准模型（黑线）是有利可图的，但由于时段的嘈杂和交易表现不佳，因此波动性很大。但是，我们的深度学习增强模型（蓝线）在我们的数据中获得了惊人的收益，而且收益更大！
我们很高兴看到我们的深度神经网络 极大地减少 了原始模型的亏损时间，并产生了更加稳定的利润。我们将继续开发我们的深度学习模型，因此期待另一篇博客文章有更大的改进！
题库