我正在做一个关于指数/股票价格预测的大学项目。我计划使用组合的 cnn-lstm 模型，并且我有几种不同类型的数据：开盘高低收盘量、价值、基本数据（例如失业率和各种利率）、技术指标（例如 RSI、MACD 等）以及移动平均线（例如SMA、EMA、WMA 等。为网络准备数据的最佳方式是什么？
此时我正在使用以下转换 对于 OHLC - 简单微分 对于基本数据 - 对数化 对于移动平均线 - 从该移动平均线的值中减去蜡烛开盘值 指标值不变 然后我对所有数据集使用 StandardizeNormalizer。我也尝试过分别对每个序列进行归一化（稳健缩放、标准化、最小最大缩放），并对所有数据进行区分，但效果并不好
您必须使用前向填充或插补来填补数据中缺失的空白，然后使用前向填充使它们具有相同的分辨率，例如将季度数据变为每小时数据。然后，您需要使用差分来缩放所有平稳数据，并且可以使用 A.D. 富勒检验来判断数据集是否平稳。然后使用 z 分数缩放进行标准化。然后你终于准备好训练了。您还需要考虑您想要对数据进行的任何特征工程。