HARN：用于事件驱动的多时间范围预测的分层关联共振网络

摘要

arXiv:2609.26822v1 Announce Type: new Abstract: Financial time series evolve across multiple temporal resolutions, challenging forecasting systems to incorporate newly available information without re...

and forecasting HARN the across temporal multi timeframe level multiple

2026-09-24 1 阅读约1分钟阅读 Nabeel Ahmad Saidd

arXiv:2609.26822v1 公告类型：新摘要：金融时间序列在多个时间分辨率上演变，这对预测系统提出了挑战，要求其纳入新的可用信息，而无需重复重新计算未更改的表示。我们引入了 HARN，一种用于事件驱动的多时间范围预测的分层关联共振网络。 HARN 维护跨时间级别的持久表示，并且仅当其对应的完整条形可用时才更新每个级别。该架构结合了因果多尺度时间编码、门控联想记忆、跨级共振和分层证据聚合，并在基点空间中执行预测并重建为原始价格规模。我们使用多种随机种子和成分消融对涵盖股票、外汇和大宗商品市场的四种资产进行 HARN 评估。 HARN 相对于单一时间范围 PatchTST 和 TimeXer 基线实现了具有竞争力的重建价格预测误差，而消融则揭示了跨资产和时间范围删除单个组件的影响。代码级审计进一步检查实现与定义的事件驱动因果协议之间的一致性。结果将 HARN 定位为持久的多时间框架预测框架，而不是普遍预测优势的证据。

订阅66必读