Discussão do artigo "Redes neurais em trading: Modelos bidimensionais do espaço de conexões (Chimera)"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Redes neurais em trading: Modelos bidimensionais do espaço de conexões (Chimera) foi publicado:
Os métodos estatísticos clássicos exigem um pré-processamento significativo dos dados brutos e nem sempre capturam adequadamente as complexas dependências não lineares. Arquiteturas profundas de redes neurais demonstraram alta capacidade de representação, mas a complexidade computacional quadrática dos modelos baseados em arquitetura Transformer dificulta sua aplicação em séries temporais multidimensionais com grande número de características analisadas. Além disso, esses modelos frequentemente não distinguem entre componentes sazonais e de longo prazo, ou usam pressupostos rígidos prévios, o que reduz sua adaptabilidade em diferentes cenários aplicados.
Uma das soluções propostas para esses problemas foi apresentada no trabalho "Chimera: Effectively Modeling Multivariate Time Series with 2-Dimensional State Space Models". O framework Chimera é um modelo bidimensional do espaço de estados (2D-SSM), que utiliza transformações lineares tanto ao longo do eixo temporal quanto do eixo das variáveis. O framework Chimera inclui três componentes principais: modelos do espaço de estados ao longo da dimensão temporal, ao longo das variáveis analisadas e transições cruzadas entre essas dimensões. A parametrização do Chimera se baseia em matrizes diagonais compactas, o que o torna capaz de recuperar tanto métodos estatísticos clássicos quanto arquiteturas modernas de SSM.
Além disso, o Chimera utiliza uma discretização adaptativa para considerar padrões sazonais e particularidades de sistemas dinâmicos.
Autor: Dmitriy Gizlyk