大类资产指数预测常用于衡量投资组合的收益表现，若能对其进行准确的长期预测，则可据此构建投资组合以获取更高的收益。与传统的机器学习和常见的神经网络相比，TimesNet在处理多变量长期预测任务方面具有更好的效果。文章基于10个大类资产指数的历史数据，采用TimesNet模型进行长期预测，并在实证分析中与线性回归、随机森林、支持向量回归和LSTM四种预测模型进行对比，验证了该模型的准确性。
科研之友
微信
新浪微博
Facebook
分享链接
