时间序列预测
untilyouydc
月份未到你也得接受
展开
-
时间序列预测系列4
时间序列预测系列4主要内容本文主要讲述双阶段注意力模型的实现,即从时间和空间两个维度,分别使用注意力模型。具体模型的详细内容,可以参考下面这篇论文。链接:https://pan.baidu.com/s/1UePtoCnYcKXbb7eTwqvNiw提取码:j1c6本文专注于讲述如何用代码实现,对论文里的内容不做过多的解释。若想完全理解论文,需要多读几遍。本文应该是时间序列预测系列中最难的一部分,需要花费一定的时间去阅读代码和论文。论文核心思想空间注意力:每支股票每天的数据中,都含有多种因素原创 2020-08-18 14:15:29 · 884 阅读 · 4 评论 -
时间序列预测系列3
时间序列预测系列3主要内容前2篇已经介绍了基本的LSTM预测模型。本文将引入注意力机制。注意力机制原理本文不进行叙述,本文专注于如何用代码实现。往往我们预测某一值都是根据前T天的历史数据,将其输入到LSTM网络中进行预测。但其实我们可以发现对第T+1天的数据而言,前T天的数据对第T+1天的影响应该是不同的。就拿股票数据来说,可能T-1天股票价格发生了大幅度的降低,那么我们预测第T+1天时应该重点考虑到T-1天发生的变化。因此本文的工作就是采用注意力机制,对前T天的数据分配不同的注意力权重,从而达到.原创 2020-08-11 19:10:05 · 1506 阅读 · 6 评论 -
时间序列预测系列2
时间序列预测系列2本文是时间序列预测的第二篇。第一篇讲的是如何利用LSTM预测沪深指数的收盘价,其中我们只用收盘价作为输入数据。但其实这种做法并不完美,因为我们买股票的时候,并不只盯着收盘价的变化来分析,我们往往还会看收盘价,最高价,最低价,交易量等因素。因此本文将介绍,如何利用一支股票的多个因素(最高价,最低价,开盘价,收盘价,交易量…)来预测股票的收盘价。基础的模型仍然是LSTM。数据读取本次实验使用中国黄金的历史数据。数据可以从下面的链接获取。链接:https://pan.baidu.c.原创 2020-07-21 20:23:34 · 614 阅读 · 4 评论 -
时间序列预测系列1
时间序列预测系列1本文是时间序列预测的第一篇,从最简单的使用LSTM来预测沪深300指数的收盘价。数据中只使用沪深300指数的收盘价,不考虑其他因素(开盘价,交易量等)。本文没有使用到高级的技术,仅仅只是调用一下LSTM而已,但对刚刚入门的人来说,学习如何处理数据,如何利用Keras搭建模型,是非常有用的。当熟悉了如何处理数据,如何搭建模型以后。后面很多实验就能很快实现了。基本的LSTM预测使用LSTM搭建模型,数据集使用沪深300指数的收盘价。时间步长T(即由前T天的数据,预测T+1天),.原创 2020-07-21 18:13:53 · 587 阅读 · 1 评论