FINANCIAL TIME-SERIES FORECASTING: TOWARDSSYNERGIZING PERFORMANCE AND INTERPRETABILITY WITHINA HYBRID MACHINE LEARNING APPROACH
创建于 更新于
摘要
本报告针对加密货币领域比特币价格预测问题，系统比较并评估了多种机器学习模型（线性回归、Lasso回归、决策树、LSTM），强调模型的解释性和性能的协同提升。通过时间序列预处理手段（分解、ACF、指数平滑等）挖掘复杂模式，实验结果显示Lasso回归在准确性和泛化性上优于其他模型，揭示了特征选择在金融时序预测中的关键作用，为加密资产分析提供了有效的理论框架和实用方法 [page::0][page::1][page::3][page::7][page::8]
