A SET-SEQUENCE MODEL FOR TIME SERIES
创建于 更新于
摘要
本文提出了Set-Sequence模型，通过在每个时间步引入无序集合( Set )模块学习跨截面潜在依赖，并结合序列( Sequence )模块捕捉时间动态，实现对大规模高维时间序列的高效预测。该模型具备对单位数目变化的适应性，计算复杂度线性缩放，避免了手工设计特征。经过合成信贷传染任务、美股股票组合构建和美国抵押贷款风险预测三类实证检验，Set-Sequence模型显著优于传统序列模型，提高了预测准确率(如AUC提升)、经济性能指标(年化Sharpe比率提升22%)，并具备较强解释性，所学的集合摘要紧密追踪潜在风险因子[page::0][page::1][page::6][page::7][page::8][page::18][page::25]
