Discussão do artigo "Redes neurais em trading: Modelo de dupla atenção para previsão de tendências"

Novo comentário
 

Novo artigo Redes neurais em trading: Modelo de dupla atenção para previsão de tendências foi publicado:

Damos continuidade à discussão sobre o uso da representação linear por partes de séries temporais, iniciada no artigo anterior. Hoje, falaremos sobre a combinação desse método com outras abordagens de análise de séries temporais para melhorar a qualidade da previsão das tendências dos movimentos de preços.

Há uma vasta quantidade de estudos dedicados à previsão e à análise de séries temporais financeiras. Métodos estatísticos de análise frequentemente pressupõem que as séries temporais sejam geradas por processos lineares, o que os torna pouco eficazes para previsões não lineares. Métodos de aprendizado de máquina e aprendizado profundo têm demonstrado maior sucesso na modelagem de séries temporais financeiras, devido à sua capacidade de representação não linear. Um grande número de estudos foi realizado para extrair características em momentos específicos e utilizá-las para modelagem e previsão de resultados. No entanto, essas abordagens ignoram a interação dos dados e a continuidade de curto prazo das oscilações.

Com o objetivo de suprir essas lacunas, o estudo "A Dual-Attention-Based Stock Price Trend Prediction Model With Dual Features" propôs um método de extração dupla de dados. Ele se baseia tanto em pontos temporais individuais quanto em múltiplos momentos ao longo do tempo. Esse método combina características de mercado de curto prazo com características temporais de longo prazo para melhorar a precisão da previsão. O modelo proposto é baseado na arquitetura "Codificador-Decodificador" e utiliza um mecanismo de atenção nas etapas do Codificador e do Decodificador, que permite identificar as características mais relevantes em séries temporais longas.

Nesse estudo, foi apresentado um novo modelo de previsão de tendências de preços de ações (Trend Prediction Model — TPM), que emprega mecanismos de extração dupla de características e atenção dupla. O objetivo do modelo TPM é prever a direção e a duração do movimento dos preços das ações. Os autores do método destacam as seguintes principais contribuições das abordagens propostas:

  1. Trata-se de um novo método de extração dupla de características, baseado em diferentes intervalos de tempo, que extrai eficientemente informações importantes do mercado e otimiza os resultados da previsão. No TPM , são utilizados o método de regressão linear por partes e uma rede neural convolucional para extrair, respectivamente, características de mercado de longo e curto prazo em séries temporais financeiras. A descrição das informações do mercado por meio de características duplas melhora o desempenho do modelo de previsão.
  2. Modelo de previsão de tendências de preços de ações (TPM) utilizando a estrutura "Codificador-Decodificador" e o mecanismo de atenção dupla. A introdução de mecanismos de atenção nas etapas do Codificador e do Decodificador permite que o modelo TPM selecione, de forma adaptativa, as características de mercado de curto prazo mais relevantes e as combine com características temporais de longo prazo, aumentando a precisão da previsão.


Autor: Dmitriy Gizlyk

Novo comentário