用于金融时间序列预测的多头时间注意力增强双线性网络
机器学习
2022-01-17 v1 计算工程、金融与科学
摘要
金融时间序列预测是时间序列分析领域最具挑战性的方向之一。这主要归因于金融时间序列数据高度非平稳和含噪的特性。随着学界不断努力设计融合先验领域知识的专用神经网络，许多金融分析与预测问题已成功解决。时间注意力机制是一种神经层设计，因能够聚焦于重要时间事件而近年广受关注。本文中，我们基于时间注意力与多头注意力的思想提出一种神经层，以扩展底层神经网络同时聚焦于多个时间实例的能力。我们利用大规模限价订单簿市场数据验证所提方法在预测中间价变动方向方面的有效性。实验表明，相较于基线模型，使用多头时间注意力模块可提升预测性能。
引用
@article{arxiv.2201.05459,
title = {Multi-head Temporal Attention-Augmented Bilinear Network for Financial time series prediction},
author = {Mostafa Shabani and Dat Thanh Tran and Martin Magris and Juho Kanniainen and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:2201.05459},
year = {2022}
}