文章 "数据科学与机器学习（第四十六部分）：在Python中使用N-BEATS进行股票市场预测"

新评论
 

新文章 数据科学与机器学习（第四十六部分）：在Python中使用N-BEATS进行股票市场预测已发布：

N-BEATS是一款革新性的深度学习模型，专为时间序列预测打造。该模型的初衷是超越ARIMA、PROPHET、VAR等传统时间序列预测模型。在本文中，我们将探讨该模型，并利用其实现股市行情预测。

N-BEATS（基于基函数扩展分析的时间序列预测神经网络）是一种专为时间序列预测设计的深度学习模型。它为单变量和多变量预测任务提供了灵活的框架。

该模型由研究人员Element AI（现已并入ServiceNow）于2019年提出，相关论文为N-BEATS：用于可解释时间序列预测的神经基展开分析。

Element AI的研发团队设计这一模型，旨在打破ARIMA和ETS等经典统计模型在时间序列领域的主导地位，同时兼顾传统机器学习模型所提供的能力。

众所周知，时间序列预测是一项极具挑战性的任务。因此机器学习领域的研究者与从业者常会选用RNNs（循环神经网络）、LSTMs（长短期记忆网络）等深度学习模型，但这类模型普遍存在以下问题：

  • 针对简单预测任务而言结构过于繁杂；
  • 模型可解释性差；
  • 结构虽复杂，性能却未必能稳定超越传统的统计基准模型。

与此同时，ARIMA等传统时间序列预测模型面对大量复杂任务时，建模能力又显得不足。

为此，论文作者与研发团队设计了一款全新时间序列预测深度学习模型，兼顾预测效果、模型可解释性，且无需针对特定业务场景做大量调参优化。


作者：Omega J Msigwa

 
MetaQuotes:

快来看看这篇新文章：《数据科学与机器学习（第46部分）：使用Python中的N-BEATS进行股市预测》。

作者：Omega J Msigwa

文章写得非常好，谢谢Omega。
由于该方法利用快速傅里叶变换（FFT）进行分解，从而使模型能够分别捕捉短期季节性波动和长期趋势。请问，将收盘价本身作为输入或输出是否适用于 N-BEATS 算法？

新评论