初探深度學習模型在國債ETF中的預測應(yīng)用

——基于CNN-LSTM-Attention混合架構(gòu)

打開文本圖片集

摘要：本研究運用多源數(shù)據(jù)，借助CNN-LSTM-Attention的混合模型，對國債ETF價格漲跌的二分類問題進行預測，并通過系統(tǒng)的數(shù)據(jù)處理與特征工程，深入比較該混合模型與其他主流神經(jīng)網(wǎng)絡(luò)模型的性能表現(xiàn)。研究表明，混合模型在國債ETF預測精度方面有一定的優(yōu)勢，為后續(xù)AI賦能債券投資提供了參考依據(jù)。

關(guān)鍵詞：國債ETF 深度學習 多源數(shù)據(jù) 模型對比

引言

在金融科技蓬勃發(fā)展的浪潮中，以深度求索（DeepSeek）、ChatGPT為代表的大語言模型正迅速滲透到金融市場的各個角落，給傳統(tǒng)的金融證券投資領(lǐng)域帶來了前所未有的變革。（剩余6166字）