点击注册小程序 查看完整报告 特别申明： 本订阅号中所涉及的证券研究信息由光大证券研究所编写，仅面向光大证券专业投资者客户，用作新媒体形势下研究 信息和研究观点的沟通交流。非光大证券专业投资者客户，请勿订阅、接收或使用本订阅号中的任何信息。本订阅号 难以设置访问权限，若给您造成不便，敬请谅解。光大证券研究所不会因关注、收到或阅读本订阅号推送内容而视相 关人员为光大证券的客户。 报告摘要 1、前言 混合神经网络是指整合了多种神经网络架构的深度学习模型。这类模型通过多层架构实现网络接力式思考，融 合不同类型网络优势，从而实现模型学习能力和性能的提升。在金融时间序列分析上，常见的混合神经网络组 合包括CNN-GRU-ATT、CNN-LSTM-ATT等。其中，CNN（卷积神经网络）具备捕捉局部短期特征的能力， 能够学习短时间内的波动规律；GRU（门控神经网络）和LSTM（长短期记忆神经网络）均属于具有时序记忆 功能的RNN（循环神经网络）的变体，擅长学习长期趋势的特征；ATT（注意力机制）则能调节模型注意力权 重，使其聚焦于重要的时间节点。 3、研究设计 本篇研究的核心思路是将单一神经网络模型与混合神经网络模型进行对 ...