arXiv · ML· Adir Saly-Kaufmann, Kieran Wood, Jan-Peter Calliess, Stefan Zohren·· 5 小时前AI 评分23
金融时间序列预测中通用基准失效：混合架构胜过 Transformer 与 SSM
How do standard time series forecasting benchmarks translate to finance? A broad study of risk adjusted performance
AI 导读
研究在 15 年期货数据上测试 16 种深度模型，发现 Transformer 和 SSM 表现劣于简单的 AR(1) 基准。变量选择网络结合 LSTM 取得最高夏普比率，xLSTM 则表现出对交易成本最强的鲁棒性。这表明标准时间序列基准无法可靠迁移至金融领域，针对资产收益特性设计的架构可能优于通用注意力机制。
来源：arXiv · ML · arxiv.org