ADAPTIVE TEMPORAL FUSION TRANSFORMERS FOR CRYPTOCURRENCY PRICE PREDICTION
创建于 更新于
摘要
本文提出了一种基于阈值相对极大值的自适应时间序列分段方法，结合基于结束模式的子序列分类，训练专门的Temporal Fusion Transformer（TFT）模型以提升加密货币短期价格预测的准确性。通过对ETH-USDT的高频数据实验，该自适应TFT模型在预测准确率和模拟交易收益率上均优于固定长度TFT和LSTM基线模型，验证了动态分段与模式条件性预测的有效性，为高频波动市场提供了更具鲁棒性的预测框架 [page::0][page::1][page::4][page::11][page::13][page::14]。
