VIP12
本课程属于：044-金融时序预测与深度学习 智能金融与金融工程 · 共 12 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Transformer金融多变量时序预测实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=Transformer金融多变… · 核心概念 · 整体框架与实战路线图
课程导入Transformer
02
金融时序数据基础
目标=多变量时序的定义 · 金融数据类型 · 频率
金融时序数据基础目标=多变量时序…
03
金融预测任务与评价指标
目标=趋势预测 · 收益率预测 · 波动率预测
金融预测任务评价指标
04
Transformer核心原理
目标=自注意力机制 · 多头注意力 · 位置编码
Transformer核心原理
05
Transformer架构变体
目标=Encoder-only · Decoder-only · Encoder-Decoder
Transformer架构变体
06
金融多变量特征工程
目标=技术指标 · 宏观因子 · 市场情绪
金融多变量特征工…目标=技术指标
07
数据预处理与窗口构造
目标=标准化 · 差分 · 滚动窗口
数据预处理窗口构造
08
PyTorch实现基础
目标=张量操作 · Dataset与DataLoader · 模型定义
PyTorch实现基础
09
Transformer时序预测模型搭建
目标=输入嵌入 · 位置编码 · 编码器层
Transformer时序预测模型搭建
10
模型训练与调优
目标=损失函数 · 优化器 · 学习率调度
模型训练调优
11
过拟合与泛化
目标=金融数据低信噪比 · 交叉验证 · 时序分割
过拟合泛化
12
多步预测策略
目标=直接多步 · 递归多步 · Seq2Seq
多步预测策略目标=直接多步
13
注意力可视化与可解释性
目标=注意力权重分析 · 特征重要性 · SHAP与金融决策解释
注意力可视化可解释性
14
案例实战一
目标=股票价格多变量预测——数据获取 · 特征构建 · 模型训练与结果分析
案例实战一目标=股票价格多…
15
案例实战二
目标=多资产收益率预测——组合数据 · 跨资产注意力与风险收益评估
案例实战二目标=多资产收益…
16
案例实战三
目标=波动率预测——已实现波动率 · 高频数据与Transformer回归…
案例实战三目标=波动率预测
17
案例实战四
目标=宏观经济指标预测——多变量宏观… · 政策事件与长期依赖建模
案例实战四目标=宏观经济指…
18
案例实战五
目标=加密货币高频预测——24小时交… · 微观结构特征与实时预测流程
案例实战五目标=加密货币高…
19
案例实战六
目标=信用风险时序预测——企业财务时… · 违约标签与不平衡分类
案例实战六目标=信用风险时…
20
模型融合与集成
目标=Transformer与LST… · GRU · TCN
模型融合集成
21
迁移学习与预训练
目标=金融时序预训练 · 领域适应 · 少样本学习与微调技巧
迁移学习预训练
22
对抗训练与鲁棒性
目标=对抗样本 · 噪声注入 · 分布偏移与金融时序鲁棒性评估
对抗训练鲁棒性
23
概率预测与不确定性
目标=分位数回归 · 贝叶斯神经网络 · 蒙特卡洛Dropout与置信区间
概率预测不确定性
24
回测与交易策略
目标=信号生成 · 仓位管理 · 交易成本
回测交易策略
25
常见问题与调试
目标=梯度消失 · 注意力坍塌 · 数据泄露
常见问题调试
26
模型部署与工程化
目标=ONNX导出 · TorchScript · API服务
模型部署工程化
27
前沿进展
目标=Informer · Autoformer · PatchTST
前沿进展Informer
28
综合项目一
目标=端到端多变量金融预测系统——从…
综合项目一目标=端到端多变…
29
综合项目二
目标=基于Transformer的量… · 回测与绩效归因
综合项目二Transformer
30
课程总结与提升
目标=知识体系回顾 · 学习路径规划 · 竞赛与论文阅读建议
课程总结提升