文章 "神经网络变得简单(第 72 部分):噪声环境下预测轨迹"

 

新文章 神经网络变得简单(第 72 部分):噪声环境下预测轨迹已发布:

预测未来状态的品质在“目标条件预测编码”方法中扮演着重要角色,我们曾在上一篇文章中讨论过。在本文中,我想向您介绍一种算法,它可以显著提高随机环境(例如金融市场)中的预测品质。

在金融市场交易的背景下,通过分析资产的历史轨迹来预测资产的未来走势极其重要,因为分析过去趋势可能是成功策略的关键因素。由于潜在因素的变化,以及市场对它们的反应,未来的资产轨迹往往包含不确定性,这决定了资产许多未来的潜在走势。因此,预测市场走势的有效方法必须能够生成潜在未来轨迹的分布,或者至少几种合理的场景。

尽管针对最可能的预测,存在相当多的现有架构,但在预测金融资产的未来轨迹时,模型可能会面临预测过于简陋的问题。问题仍然存在,因为模型只是狭义地解读训练集中的数据。在缺乏清晰的资产轨迹形态的情况下,预测模型最终会生成简陋或同质的走势场景,其并不能捕捉金融产品走势的多样性变化。这就可能会导致预测准确性降低。

论文《遵循自监督路标噪声预测的增强轨迹预测》的作者提供了一种解决这些问题的新方式,自监督路标噪声预测(SSWNP),它由两个模块组成:

  • 空间一致性模块
  • 噪声预测模块

作者:Dmitriy Gizlyk