A Controlled Comparison of Deep Learning Architectures for Multi-Horizon Financial Forecasting — Evidence from 918 Experiments
创建于 更新于
摘要
本文在统一的五阶段可复现实验框架下，对九种深度学习时序架构在三类资产（加密、外汇、股指）与两种多步预测时长（h=4,24 小时）上进行了严格对比，发现 ModernTCN 与 PatchTST 位列第一梯队，ModernTCN 在 24 个评估点中胜出 75%，且模型结构（而非随机初始化）主导预测误差差异；此外，所有 MSE 训练的模型在每小时尺度上的方向准确率均近似 50%，表示基于 MSE 的回归并不直接传递方向性交易信号 [page::12][page::19][page::27][page::28]
