金融工具的逆信号分类
Inverse Signal Classification for Financial Instruments
Ben-Gurion University of the Negev（本-古里安大学）；Microsoft Corporation（微软公司）；Stockato LLC（Stockato有限责任公司）
摘要：
本文介绍了新的机器学习方法：信号组合，它对时间序列进行分类，而不管长度、类型和数量;自标记，一种监督学习增强。本文进一步描述了在金融搜索引擎系统上使用2011年期间交易的7，881个金融工具的集合来识别时间序列中的逆行为的方法的实施。
英文摘要：
The paper presents new machine learning methods: signal composition, which classifies time-series regardless of length, type, and quantity; and self-labeling, a supervised-learning enhancement. The paper describes further the implementation of the methods on a financial search engine system using a collection of 7,881 financial instruments traded during 2011 to identify inverse behavior among the time-series.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
