增强时空依赖的深度学习模型（TSEN）用于家庭杠杆序列预测
机器学习
2022-10-18 v1 机器学习
摘要
由于时空动态的复杂性，分析时间序列与空间模式以构建准确的金融时间序列预测模型是一项挑战：不同地点的时间序列往往具有不同模式；而对于同一时间序列，模式可能随时间推移而变化。受深度学习成功应用的启发，我们提出了一种新模型来解决中国家庭杠杆预测问题。我们的方案由多个基于 RNN 的层和一个注意力层组成：每个基于 RNN 的层利用多元外生序列自动学习特定序列的时间模式，然后注意力层同时学习空间相关权重并获得全局表示。结果表明，新方法能很好地捕捉家庭杠杆的时空动态，并获得更准确稳健的预测结果。此外，模拟研究还表明，聚类并选择相关序列对于获得准确预测结果是必要的。
引用
@article{arxiv.2210.08668,
title = {Temporal-Spatial dependencies ENhanced deep learning model (TSEN) for household leverage series forecasting},
author = {Hu Yang and Yi Huang and Haijun Wang and Yu Chen},
journal= {arXiv preprint arXiv:2210.08668},
year = {2022}
}