一种基于集成回归模型的多源时间序列金融数据预测方法

本发明公开了一种基于集成回归模型的多源时间序列金融数据预测方法，属于金融领域的数据分析与处理技术领域。本发明融合了1DCNN的局部特征提取能力、BiLSTM的长期依赖建模能力以及注意力机制的关键信息聚焦能力，能够更全面、深入地挖掘时间序列金融数据的特征，有效提高预测的准确性；通过1DCNN和BiLSTM的依次计算特性以及注意力机制对关键信息的筛选，使得模型能够提高特征表达能力和预测准确性，这种方式能够降低计算复杂度、减少BiLSTM过拟合风险并提升训练稳定性；注意力机制的引入使模型对时间序列数据中关键特征的关注更加透明，通过分析注意力权重，可在一定程度上解释模型的预测决策过程，为金融从业者和投资者提供更有价值的参考信息。