一种基于序列分解的多尺度金融数据预测方法、程序、设备及存储介质

本发明公开了一种基于序列分解的多尺度金融数据预测方法、程序、设备及存储介质，属于计算机深度学习领域。本发明模型在MICN模型的基础上改进了嵌入模块和季节项预测模块，并在其基础上加入了基于注意力的自适应融合预测模块。对于季节项预测模块设计了多尺度卷积模型，通过不同尺度的卷积核捕捉短期波动中的局部特征，同时通过自注意力机制对季节项中的全局相关性进行建模。同时为充分利用时间戳中的全局信息引入了基于注意力的自适应融合预测方法。本发明提出的预测模型具有显著的技术效果，能够有效提升金融数据预测的精确度。