文章 "交易中的神经网络：二维连接空间模型（Chimera）"

MetaQuotes 2026.01.28 08:46

本文将探讨创新的 Chimera 框架：利用神经网络分析多元时间序列的二维状态空间模型。该方法具有高精度和低计算成本，优于传统方式和变换器架构。

经典统计方法需要大量原产数据的预处理，且往往难以充分捕捉复杂的非线性依赖关系。深度神经网络架构已展现出高度的表现力，但基于变换器的模型具有二次方计算复杂度，令其难以应用在拥有大量特征的多变量时间序列。进而，这样的模型往往难以区分季节性和长期分量，或依赖僵化的先验假设，限制了它们在各种实践场景下的适应性。

针对这些问题在论文《Chimera：多变量时间序列有效建模的二维状态空间模型》中提出了一种方式。Chimera 框架是一个二维状态空间模型（2D-SSM），沿时态轴、及可变轴两者应用线性变换。Chimera 由三个主要组成部分组成：时间维度上的状态空间模型、变量维度上的模型、以及跨维度的变换。其参数化基于紧凑的对角矩阵，令其能够复现经典统计方法和现代 SSM 架构。

此外，Chimera 还协同自适应离散化技术，参考动态系统的季节性形态和特征。

作者：Dmitriy Gizlyk

新评论