轻量级多源高纬金融时间序列数据联合预测系统及其方法

本发明公开了一种轻量级多源高纬金融时间序列数据联合预测系统及其方法，涉及时间序列数据分析技术领域，解决了现有的神经网络中复杂的神经网路构架，这些模型通常具有不可解释性，过于复杂，算力消耗大的问题，包括数据采集模块、数据清洗模块、模型训练模块、数据预测模块和预测可视化单元；包括如下步骤：步骤一：使用数据采集模块，从不同金融来源获取时间序列数据。本发明采用的aLDS相较于传统的LDS模型，具有新颖的参数平均化过程，并在期望最大化算法中，对于每条金融时间数据训练所得到的参数，进行平均化处理，从而达到多条金融时间数据共同训练的目的，进一步提升预测模型在多条金融时间数据上的预测精度。