专栏名称: AI前线

我们专注大数据和机器学习，关注前沿技术和业界实践。每天发布高质量文章，技术案例等原创干货源源不断。同时有四千人的社群微课堂，每周一次业界大牛技术分享，也希望你能从这里分享前沿技术，交流深度思考。

盘点金融领域里常用的深度学习模型

AI前线 · 公众号 · 大数据 · 2017-10-31 18:10

正文

请到「今天看啥」查看全文

ARIMA 模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。利用整合移动平均自回归模型，来尝试预测季节性平稳时间序列，我们得到结果如下图所示：

VAR 模型

VAR 模型，（Vector Autoregression model）向量自回归模型，是一种常用的计量经济模型，由计量经济学家和宏观经济学家 Christopher Sims 提出。它扩充了只能使用一个变量的自回归模型（简称：AR 模型），使容纳大于 1 个变量，因此经常用在多变量时间序列模型的分析上。

如果我们将相关的预测变量添加到我们的自回归模型中并移动到向量自回归模型，我们得到结果如下图所示：

深度回归模型

如果在数据上使用简单的深度回归模型，使用相同的输入，会得到更好的结果，如下图所示：