AT-LSTM: Um Modelo LSTM Baseado em Atenção para Predição de Séries Temporais Financeiras

Resumo Este artigo propõe um modelo LSTM (AT-LSTM) baseado em atenção para a predição de séries temporais financeiras. Dividimos o processo de predição em duas etapas. Na primeira etapa, aplicamos um modelo de atenção para atribuir diferentes pesos às características de entrada das séries temporais financeiras em cada passo do tempo. Na segunda etapa, a característica de atenção é utilizada para selecionar efetivamente as sequências de características relevantes como entrada para a rede neural LSTM para a predição no próximo intervalo de tempo. Nossa estrutura proposta não só resolve de forma eficaz o problema da dependência de longo prazo na predição de séries temporais, mas também melhora a interpretabilidade dos métodos de predição de séries temporais baseados em redes neurais. No final deste artigo, realizamos experimentos na tarefa de predição de séries temporais financeiras com três conjuntos de dados do mundo real. Os resultados experimentais mostram que nossa estrutura para predição de séries temporais é de última geração em relação às referências.