九种深度学习架构金融预测基准发布

Nabeel Ahmad Saidd 发布了一项基于918组实验的金融时间序列预测基准，对9种深度学习架构进行受控比较。ModernTCN 平均排名第一，在12种加密货币、外汇和股指资产与4小时、24小时两个预测周期组成的24个测试组合中，有18个取得最低RMSE，占75%；PatchTST 平均排名第二。 研究采用统一的超参数优化预算、配置冻结和三种随机种子训练，涵盖270次优化试验和648次最终训练。统计检验显示，不同架构之间存在显著性能差异，架构是预测误差差异的主要来源。但模型平均方向准确率仅为50.08%，说明在该基准测试条件下，预测价格误差表现较好并不意味着能够有效判断市场涨跌方向。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。