A three-step deep neural network methodology for exchange rate forecasting

Juan Carlos Figueroa-García, Eduyn LóPez-Santana, Carlos Franco-Franco

Resultado de la investigación: Capítulo en Libro/Reporte/ConferenciaContribución a la conferencia

Resumen

We present a methodology for volatile time series forecasting using deep learning. We use a three-step methodology in order to remove trend and nonlinearities from data before applying two parallel deep neural networks to forecast two main features from processed data: absolute value and sign. The proposal is successfully applied to a volatile exchange rate time series problem.

Idioma originalInglés estadounidense
Título de la publicación alojadaIntelligent Computing Theories and Application - 13th International Conference, ICIC 2017, Proceedings
EditoresDe-Shuang Huang, Prashan Premaratne, Vitoantonio Bevilacqua, Phalguni Gupta
EditorialSpringer
Páginas786-795
Número de páginas10
ISBN (versión impresa)9783319633084
DOI
EstadoPublicada - 2017
Evento13th International Conference on Intelligent Computing, ICIC 2017 - Liverpool, Reino Unido
Duración: ago 7 2017ago 10 2017

Serie de la publicación

NombreLecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)
Volumen10361 LNCS
ISSN (versión impresa)0302-9743
ISSN (versión digital)1611-3349

Conferencia

Conferencia13th International Conference on Intelligent Computing, ICIC 2017
País/TerritorioReino Unido
CiudadLiverpool
Período8/7/178/10/17

All Science Journal Classification (ASJC) codes

  • Ciencia computacional teórica
  • Informática (todo)

Huella

Profundice en los temas de investigación de 'A three-step deep neural network methodology for exchange rate forecasting'. En conjunto forman una huella única.

Citar esto