Nuovo modello di IA CTLNet supera i metodi esistenti per la previsione dell'indice azionario di Shanghai

Un nuovo modello di deep learning chiamato CTLNet è stato sviluppato specificamente per prevedere l'indice composito di Shanghai. Il modello combina le architetture CNN, Transformer e LSTM per sfruttare i rispettivi punti di forza nella gestione di dati di serie temporali multivariate. I ricercatori notano che il meccanismo di attenzione dell'encoder Transformer e le capacità di elaborazione parallela sono particolarmente preziosi per catturare le dipendenze di sequenze lunghe e le correlazioni tra diverse variabili di dati. Esperimenti comparativi dimostrano che CTLNet raggiunge prestazioni superiori rispetto agli attuali modelli di riferimento all'avanguardia. La previsione dell'indice composito di Shanghai rappresenta un'area di notevole interesse sia per gli investitori che per i ricercatori accademici. Gli approcci di deep learning, comprese le reti neurali ricorrenti, le reti neurali convoluzionali e i transformer, sono diventati ampiamente adottati per le attività di previsione di serie temporali multivariate. La ricerca è stata pubblicata su arXiv, una piattaforma per la condivisione di articoli scientifici, nelle categorie informatica e intelligenza artificiale.