RNN LSTM Keras自定义丢失功能

Question

我从Keras和TensorFlow开始。

我有一个关于股票价格数据集的LSTM模型。 我不希望我的模型学会预测像今天这样的后续步骤。我希望我的模型在每一步都学习，如果它必须购买，出售或什么也不做，多少。

我认为我需要制作一个自定义损失函数，但我真的不知道如何编写我的概念：买入，卖出，没有，以及在开始时基于100个单位的资本有多少。目标是最终获得最高资本。

• 我必须使用一个existant功能并像MSE一样定制它吗？如果是，怎么样？
• 我必须让我的模型学习时间序列并在添加买/卖层后？如果是，怎么样？
• 其他？

我很失落。

非常感谢你的帮助。

萨姆

Answer 1

我会尝试categorical cross-entropy,

我的意思是你有三个选择：买（0），卖（1），什么都不做（2）。你可以这样编码：

[1,0,0] < - means 'buy'
[0,1,0] < - means 'sell'
[0,0,1] < - means 'do nothing'

并且不要忘记在你NN的末尾添加softmax功能。

Answer 2

据我所知，我们有股票价格数据集，在每一点上，我们都需要预测决定买入/卖出/没有。

对于每个点，我们应该决定一个窗口大小，我们认为这会影响当前点。 使用此窗口作为LSTM图层的时间序列输入。使用移动窗口，我们可以创建多个输入。相应的输出将是决定，可以采取3位编码。

1. 对于时间点t，使用时间序列（0..t-1）作为输入。并决定[0,0,1]或[0,1,0]或[1,0,0]作为输出。该模型将学习预测每个决策的概率。
2. 如计算损失，categorical cross entropy将非常有用，如Paddy所述。

此外，如果您还没有查看预处理数据，那么在这种情况下，取消数据的处理非常有用。这个link可能很有用。