文章 "神经网络在交易中的应用：多元时间序列的双重聚类（DUET）" 新评论 MetaQuotes 2026.05.29 09:22 新文章 神经网络在交易中的应用：多元时间序列的双重聚类（DUET）已发布： DUET 框架提供了一种创新的时间序列分析方法，该方法结合了时间和通道聚类，以揭示分析数据中的隐藏模式。这使得模型能够随着时间的推移而适应变化，并通过消除噪声来提高预测质量。 现有的数据处理方法可以分为三类。第一种方法是独立分析每个通道，但这忽略了变量之间的关系。第二种方法将所有通道结合起来；但是，这可能会引入冗余信息并降低准确性。第三种方法是变量聚类，但它限制了模型的灵活性。 为了解决这些问题，论文 "DUET:Dual Clustering Enhanced Multivariate Time Series Forecasting"（DUET：双聚类增强多元时间序列预测）的作者提出了 DUET 方法，该方法结合了两种聚类方式：时间聚类和通道聚类。时间聚类（TCM）根据相似特征对数据进行分组，并允许模型随时间变化而调整。在金融市场分析中，这使模型能够纳入经济周期的不同阶段。通道聚类（ CCM ）识别关键变量，消除噪声，提高预测精度。它揭示了资产之间的稳定关系，这对于构建多元化的投资组合尤为重要。 之后，融合模块（ FM ）将结果整合起来，同步有关时间模式和跨通道依赖关系的信息。这种方法能够更准确地预测金融市场等复杂系统。该框架的作者所进行的实验表明，DUET 的性能优于现有方法，能够提供更准确的预测结果。它考虑了异质性的时间模式以及跨通道关系的动态变化，并能够适应数据的变异性。 作者：Dmitriy Gizlyk 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 神经网络在交易中的应用：多元时间序列的双重聚类（DUET）已发布：
现有的数据处理方法可以分为三类。第一种方法是独立分析每个通道，但这忽略了变量之间的关系。第二种方法将所有通道结合起来；但是，这可能会引入冗余信息并降低准确性。第三种方法是变量聚类，但它限制了模型的灵活性。
为了解决这些问题，论文 "DUET:Dual Clustering Enhanced Multivariate Time Series Forecasting"（DUET：双聚类增强多元时间序列预测）的作者提出了 DUET 方法，该方法结合了两种聚类方式：时间聚类和通道聚类。时间聚类（TCM）根据相似特征对数据进行分组，并允许模型随时间变化而调整。在金融市场分析中，这使模型能够纳入经济周期的不同阶段。通道聚类（ CCM ）识别关键变量，消除噪声，提高预测精度。它揭示了资产之间的稳定关系，这对于构建多元化的投资组合尤为重要。
之后，融合模块（ FM ）将结果整合起来，同步有关时间模式和跨通道依赖关系的信息。这种方法能够更准确地预测金融市场等复杂系统。该框架的作者所进行的实验表明，DUET 的性能优于现有方法，能够提供更准确的预测结果。它考虑了异质性的时间模式以及跨通道关系的动态变化，并能够适应数据的变异性。
作者：Dmitriy Gizlyk