PatchTST

算法介绍

A Time Series is Worth 64 Words: Long-term Forecasting with Transformers （PatchTST）：PatchTST是一种高效的基于Transformer的多变量时间序列预测与自监督表示学习模型，核心在于时间序列的子序列分割和通道独立性设计。子序列分割保留了局部语义信息，显著降低了计算和内存需求，并扩展了历史信息的覆盖范围。通道独立性使单变量时间序列共享嵌入和权重，提高了模型效率和泛化能力。

模型信息

模型更新日期和预测日期：

信号预测结果

未来1日信号预测排序前10：

未来1日信号预测排序末10：

回测结果报告

风险分析报告

信号预测模型评估

参考文献

• Nie Y, Nguyen N H, Sinthong P, et al. A Time Series is Worth 64 Words: Long-term Forecasting with Transformers[C]//The Eleventh International Conference on Learning Representations.