期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于APDFinformer模型的金融数据的多元时序预测 被引量：1
1
作者 朱晓彤 林培光 +1 位作者 孙玫 崔超然 《南京大学学报(自然科学版)》 CSCD 北大核心 2024年第6期930-939,共10页
最近,多元时间序列(Multivariate Time Series,MTS)预测逐渐走入人们的视野,特别是许多基于Transformer的模型已经显示出巨大的潜力,然而,现有的基于Transformer的模型主要关注跨时间依赖性的建模,往往忽略了不同变量之间的依赖性,但这... 最近,多元时间序列(Multivariate Time Series,MTS)预测逐渐走入人们的视野,特别是许多基于Transformer的模型已经显示出巨大的潜力,然而,现有的基于Transformer的模型主要关注跨时间依赖性的建模,往往忽略了不同变量之间的依赖性,但这对MTS预测至关重要.基于此,提出一种新型的多元时间序列预测模型APDFinformer,旨在应对金融市场复杂多变的特性.该模型结合了自适应多尺度标识器(Adaptive Multi-Scale Identifier,AMSI),能够提取时间序列在不同尺度上的信息,帮助模型降低噪声对时间序列的影响,并捕获不同尺度之间的交互作用.其次,对处理完成的多元时序数据,利用Decomposition方法分解为趋势项和季节项,其中,对趋势项信息进行简单的线性处理,对季节项数据则根据PatchTST思想进行切块来缩短序列长度以表征局部特征,使其保留局部语义信息,有利于模型分析时间步之间的关联.实验结果显示,和传统方法以及类Transformer的各种模型相比,APDFinformer能够更准确地捕捉金融市场的复杂动态,预测精度更高.具体地,在三个加密货币数据集上,和Transformer模型相比,APDFinformer模型的MSE(Mean Square Error)降低了54%,24%和60%,MAE(Mean Absolute Error)降低了39%,22%和44%,证明APDFinformer在金融领域多元时序预测方面是更可靠的预测工具,也为基于Transformer模型的其他应用领域提供了有益的启示,以满足不断变化的金融市场需求. 展开更多
关键词 apdfinformer 多元时序预测 金融数据 PatchTST AMSI
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部