wq2571931803的博客

论文地址：https://arxiv.org/abs/2404.01340代码地址：https://github.com/Graph-and-Geometric-Learning/TimeSeriesCCM。

论文聚焦于股票价格预测中的两个关键挑战：1…如何高效捕捉股票间的瞬时相关性和跨时间相关性.2.如何根据市场状态动态选择对预测最有效的特征。

创建模型#训练和评估模型#保存图片讲解一下参数主要就是下面三个，对应的就是获取的x_columns和y_columns的对应列数 enc_in对应x_columns ，dec_in 对应y_columns。比如5列enc_in就是5.enc_in = 5#编码器输入维度dec_in = 1#解码器输入维度c_out = 1 #解码器输出维度效果如下nlp时序模型股价预测的基本思路（持续更新）交流群在简介，也是欢迎大佬加入，一起交流。

表示某一周期内价格的最大波动范围，考虑了市场价格的跳空缺口和极端波动情况。取以下三者的最大值：当前最高价和最低价的差值（H - L），表示当前周期内的波动范围。当前最高价与前一周期收盘价的绝对差值（|H - C_prev|），考虑价格跳空高开的情况。当前最低价与前一周期收盘价的绝对差值（|L - C_prev|），考虑价格跳空低开的情况。

*举个例子：**我开了一个冰淇淋店，一般是夏天收益高，其他季节淡吧，那么我卖东西是不是可以遵循这个规律，夏天多进点货，其他季节少一点。那么着就是季节性，也就是趋势。夏天多来电，其他季节少来点。

也就是96x96 ->96x25x2->1v1 (打个比方)

就是计算损失…，用测试集测试，将返回的掩码进行展示为什么返回掩码集合就是以下这样。

所谓工欲善其事，必先利其器做量化分析的股价预测，完美必须要先把数据处理好。那么本人的数据下载是在聚宽平台股票代码为601398的数据2014-3 到 2024-3年的默认数据。如何下载可以按照我的方式。

首先我想说 我们预测股票价格的时候，我们是用以前的数据预测当前数据所以我们TCN的概念就是让我们的网络通过卷积的方式使得我们的模型能够大量记忆我们之前的状态，来保证我们网络的预测能力。它包含三个结构因果卷积膨胀卷积和残差链接。window_size = 10 # 窗口大小（也就是时间步数）batch_size = 32 # 训练批次大小epochs = 30 # 训练轮数filter_nums = 10 # filter数量 也就是输出通道的数量。

dataX= [] # 用于存储输入序列dataY= [] # 用于存储输出数据#将整个窗口的数据保存到X中，将未来的一天保存到Y中# 提取时间窗口内的数据作为输入序列# 下一个时间步的数据作为输出dataY.append(data[index + timestep][3]) #输出为第四列（'close' 列）#获取训练集大小# 划分训练集，测试集self.hidden_dim = hidden_dim #隐藏层大小。