登录社区云，与社区用户共同成长
邀请您加入社区
在电力负荷预测、水文流量估算、交通流量回归等时序相关回归任务中，数据不仅具备高维度、非线性特征，更包含显著的时序动态依赖（如电力负荷的日内峰谷周期、水文流量的季节性变化）。CNN-LSTM 回归模型通过 CNN 的空间局部特征提取能力与 LSTM 的长短期时序依赖捕捉优势，在复杂时序回归任务中实现高精度预测。
计算机毕业设计Python+LSTM模型微博舆情分析系统 微博舆情预测 微博爬虫 微博大数据(源码+LW文档+PPT+详细讲解)
最近学习量化交易，所以试着写一个回测脚本。本文使用的是苹果公司的历史股票数据，定义了一个简单的回测策略，先使用历史股票数据进行回测，然后再使用模型预测的股票数据进行回测。
波动性预测对于风险管理、衍生品定价和财务决策至关重要。该项目实施并评估了几种波动率预测模型，包括GARCH（1,1）、GARCH-t、EGARCH、TGARCH和LSTM神经网络。使用平均绝对误差（MAE）和均方误差（MSE）等指标比较了这些模型的性能。
