DAM：面向多模态时间序列加密货币趋势预测的通用双注意力机制
综合经济学
2025-08-11 v1 计算工程、金融与科学
计算与语言
密码学与安全
计算金融
经济学
摘要
在分布式系统领域，区块链催生了加密货币的兴起，将增强的安全性和去中心化与显著的投资机会相结合。尽管如此，当前关于加密货币趋势预测的研究往往简化地合并情感数据，未充分考虑金融市场动态与外部情感影响之间的细微相互作用。本文提出了一种 novel Dual Attention Mechanism (DAM) 用于利用多模态时间序列数据预测加密货币趋势。该方法将关键加密货币指标与通过 CryptoBERT 分析的新闻和社交媒体情感数据相结合，解决了加密货币市场的固有波动性和预测挑战。通过融合分布式系统、自然语言处理和金融预测的元素，我们的方法在预测准确率上超过传统模型如 LSTM 和 Transformer，提升最高可达 20%。这一突破性进展深化了对分布式系统的理解，具有实际意义，惠及加密货币和区块链技术的利益相关者。此外，我们的增强预测方法可显著支持去中心化科学 (DeSci)，通过促进战略规划和高效采用区块链技术，提高运营效率和金融风险管理水平，在快速演变的数字资产领域确保资源的最优配置。
引用
@article{arxiv.2405.00522,
title = {DAM: A Universal Dual Attention Mechanism for Multimodal Timeseries Cryptocurrency Trend Forecasting},
author = {Yihang Fu and Mingyu Zhou and Luyao Zhang},
journal= {arXiv preprint arXiv:2405.00522},
year = {2025}
}