Integrating LSTM Networks with Neural L´evy Processes for Financial Forecasting
创建于 更新于
摘要
本文提出一种将GWO调参的LSTM与神经网络标定的Lévy–Merton跳扩散（及分数Heston）模型整合的混合框架，用于资产价格多步预测，采用Brent、STOXX600与IT40三组实证数据，比较了NN、MPA与TorchSDE三种标定方法，结果显示NN标定的LSTM–Lévy在MSE与R2上优于基线LSTM及其他方法，且计算效率更高 [page::0][page::17].
