ASE : un cadre modulaire pour intégrer du texte dans les prévisions de séries temporelles
En bref
- ASE combine données textuelles et numériques pour améliorer les prévisions de séries temporelles.
- Sur les jeux TESS, ASE réduit le MSE par rapport aux scores publiés.
- Sur le CSI 300, ASE améliore le RankIC de 0,000642 par rapport au modèle numérique seul.
Le cadre ASE propose une méthode pour enrichir les prévisions de séries temporelles avec des données textuelles externes. Il évalue leur contribution conditionnelle et optimise leur combinaison avec des modèles numériques. Les tests sur quatre jeux de données TESS et un classement boursier montrent des améliorations significatives par rapport aux méthodes existantes.
Ce que ça change pour vous
- Finance & BanqueLes modèles de prévision boursière pourraient intégrer des données textuelles pour affiner leurs prédictions et réduire les erreurs.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Comment nous rédigeons · Signaler une erreur