Pronóstico de precios de acciones con un modelo de fusión de características LSTM-CNN utilizando diferentes representaciones de los mismos datos

El pronóstico de precios de acciones juega un papel importante en el establecimiento de una estrategia de trading o en la determinación del momento adecuado para comprar o vender una acción. Proponemos un modelo, llamado modelo de red neuronal convolucional de memoria a largo y corto plazo (LSTM-CNN) de fusión de características, que combina características aprendidas a partir de diferentes representaciones de los mismos datos, a saber, series temporales de acciones e imágenes de gráficos de acciones, para predecir precios de acciones. El modelo propuesto está compuesto por LSTM y una CNN, que se utilizan para extraer características temporales y características de imagen. Medimos el rendimiento del modelo propuesto en relación con los modelos individuales (CNN y LSTM) utilizando datos del ETF SPDR S&P 500. Nuestro modelo LSTM-CNN de fusión de características supera a los modelos individuales en la predicción de precios de acciones. Además, descubrimos que un gráfico de velas es la imagen de gráfico de acciones más adecuada para usar en la predicción de precios de acciones. Así, este estudio muestra que el error de predicción puede reducirse de manera eficiente utilizando una combinación de características temporales e imágenes de los mismos datos en lugar de usar estas características por separado.