AI投研应用系列之三：基于NARX动态神经网络的指数择时策略.pptxVIP

下载本文档

12
0
约7.03千字
约 28页
2025-10-14 发布于广西
举报
版权申诉

AI投研应用系列之三：基于NARX动态神经网络的指数择时策略.pptx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

P2时序神经网络概述NARX神经网络模型基于NARX模型的指数择时策略构建宽基指数择时测试总结与未来研究方向目录

P31、时序神经网络概述1时序神经网络的演进与主要模型在金融时间序列预测领域，神经网络架构经历了从简单感知向复杂时序建模的重要演进。早期循环神经网络（RNN）首次引入隐状态记忆机制，但存在梯度消失/爆炸问题，难以捕获长期依赖。随后长短期记忆网络（LSTM）及其变体门控循环单元（GRU）通过门控设计较好地解决了长期依赖问题，成为多年来的主流时序建模方案。近年来，时序卷积网络（TCN）依托因果膨胀卷积结构实现了更高效的并行计算与长期依赖建模；而源于自然语言处理的Transfor