Forecasting Commodity Price Shocks Using Temporal and Semantic Fusion of Prices Signals and Agentic Generative AI Extracted Economic News
创建于 更新于
摘要
本文提出了一个结合代理生成式AI与深度学习的混合框架，通过双流LSTM网络与注意力机制融合了64年商品价格时间序列与事实核查的语义新闻嵌入，实现了对商品价格剧烈波动的准确预测，模型在测试集上达到了0.94的平均AUC和0.91的准确率，显著优于传统机器学习方法，证实了引入语义新闻上下文对提高预测性能的关键作用，为经济政策和风险管理提供了强有力的工具 [page::1][page::20][page::21][page::25]。
