PulseAugur
实时 05:59:28

新框架预测事件对时间序列数据的影响

研究人员开发了EventTime,一个旨在预测离散事件对时间序列数据财务影响的新框架。该系统整合了长期市场背景、短期事件前动态和事件元数据,以估计披露后的异常损失。EventTime利用动态对比目标来解决稀疏监督问题,并在SECURE数据集上进行了测试,该数据集将网络安全事件与股市数据联系起来。实验表明,EventTime在预测网络安全披露后的财务损失方面优于现有的时间序列和事件感知模型。 AI

影响 通过将离散外部事件纳入时间序列分析,为金融预测提供了一种新方法。

排序理由 该集群包含一篇详细介绍新框架和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架预测事件对时间序列数据的影响

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yiming Sun, Shengyu Chen, Zhengzhang Chen, Haoyu Wang, Xiaowei Jia, Haifeng Chen ·

    通过多尺度对比学习量化事件对时间序列的影响

    arXiv:2608.19447v1 Announce Type: new Abstract: Shocks that spread through the web, such as cybersecurity breach disclosures, can abruptly disrupt financial time series and cause substantial abnormal losses. While these events are disclosed as discrete records through news report…