AI投研應(yīng)用系列專(zhuān)題報(bào)告：基于NARX動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的指數(shù)擇時(shí)策略.pdf

AI投研應(yīng)用系列專(zhuān)題報(bào)告：基于NARX動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的指數(shù)擇時(shí)策略。在金融時(shí)間序列預(yù)測(cè)領(lǐng)域，神經(jīng)網(wǎng)絡(luò)架構(gòu)經(jīng)歷了從簡(jiǎn)單感知向復(fù)雜時(shí)序建模的重要演進(jìn)。 早期循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）首次引入隱狀態(tài)記憶機(jī)制，但存在梯度消失/爆炸問(wèn)題，難以捕獲 長(zhǎng)期依賴。隨后長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）及其變體門(mén)控循環(huán)單元（GRU）通過(guò)門(mén)控設(shè)計(jì)較好地解 決了長(zhǎng)期依賴問(wèn)題，成為多年來(lái)的主流時(shí)序建模方案。近年來(lái)，時(shí)序卷積網(wǎng)絡(luò)（TCN）依托因果 膨脹卷積結(jié)構(gòu)實(shí)現(xiàn)了更高效的并行計(jì)算與長(zhǎng)期依賴建模；而源于自然語(yǔ)言處理的Transformer模 型，也憑借自注意力機(jī)制在長(zhǎng)序列預(yù)測(cè)中展現(xiàn)出顯著潛力。 在此背景下，帶外部輸入的非線性自回歸網(wǎng)絡(luò)（NARX）以其獨(dú)特的結(jié)構(gòu)設(shè)計(jì)和良好的可解釋 性，為多變量金融時(shí)間序列預(yù)測(cè)提供了一個(gè)直觀而有力的工具。