预测效果感觉很差劲

[1325075688gw]

你好，我看了一下你的预测结果，感觉和实际相差甚远，远没有论文中的那么优秀，你最近还有做实测吗？预测效果怎么样

[lhw828]

我那个没有优化程序和参数（关键是也不太懂），不能做数。

[Lin840591196]

您好，我想把这个模型用到私人数据上，但是老是显示只能输入二维数据，请问timesfm支持多输入特征时序预测吗？

[lhw828]

您好，我想把这个模型用到私人数据上，但是老是显示只能输入二维数据，请问timesfm支持多输入特征时序预测吗？

目前我仅仅测试了股票数据，其他类型/格式数据未做测试，也不太清楚。

[1325075688gw]

看来你我的目标都一样，用来测试量化交易。我现在也在开发，我们应该训练一个支持多维特征输入的模型，比如3分钟k线的最高价，最低价，当前成交量，大单占比，压力位，支撑位，等等的一个模型。并且该模型能实时接收数据并返回结果并给出预测评分。 我相信量化交易一定可以超过人的操作

---原始邮件--- 发件人: @.> 发送时间: 2024年5月24日(周五) 中午1:04 收件人: @.>; 抄送: @.**@.>; 主题: Re: [lhw828/timesfm] 预测效果感觉很差劲 (Issue #3)

您好，我想把这个模型用到私人数据上，但是老是显示只能输入二维数据，请问timesfm支持多输入特征时序预测吗？

目前我仅仅测试了股票数据，其他类型/格式数据未做测试，也不太清楚。

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

[1325075688gw]

嗯嗯，我准备换其他模型了。其他模型出来时间更久，demo更多

---原始邮件--- 发件人: @.> 发送时间: 2024年5月24日(周五) 上午7:07 收件人: @.>; 抄送: @.**@.>; 主题: Re: [lhw828/timesfm] 预测效果感觉很差劲 (Issue #3)

我那个没有优化程序和参数（关键是也不太懂），不能做数。

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

[Lin840591196]

看来你我的目标都一样，用来测试量化交易。我现在也在开发，我们应该训练一个支持多维特征输入的模型，比如3分钟k线的最高价，最低价，当前成交量，大单占比，压力位，支撑位，等等的一个模型。并且该模型能实时接收数据并返回结果并给出预测评分。 我相信量化交易一定可以超过人的操作 … ---原始邮件--- 发件人: @.> 发送时间: 2024年5月24日(周五) 中午1:04 收件人: @.>; 抄送: @.**@.>; 主题: Re: [lhw828/timesfm] 预测效果感觉很差劲 (Issue #3) 您好，我想把这个模型用到私人数据上，但是老是显示只能输入二维数据，请问timesfm支持多输入特征时序预测吗？ 目前我仅仅测试了股票数据，其他类型/格式数据未做测试，也不太清楚。 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

是的，看看后续有没有人出timesfm的demo吧。

[1325075688gw]

已经放弃，还有很多路可以走

---原始邮件--- 发件人: @.> 发送时间: 2024年5月24日(周五) 下午3:22 收件人: @.>; 抄送: @.**@.>; 主题: Re: [lhw828/timesfm] 预测效果感觉很差劲 (Issue #3)

看来你我的目标都一样，用来测试量化交易。我现在也在开发，我们应该训练一个支持多维特征输入的模型，比如3分钟k线的最高价，最低价，当前成交量，大单占比，压力位，支撑位，等等的一个模型。并且该模型能实时接收数据并返回结果并给出预测评分。 我相信量化交易一定可以超过人的操作 … ---原始邮件--- 发件人: @.> 发送时间: 2024年5月24日(周五) 中午1:04 收件人: @.>; 抄送: @.@.>; 主题: Re: [lhw828/timesfm] 预测效果感觉很差劲 (Issue #3) 您好，我想把这个模型用到私人数据上，但是老是显示只能输入二维数据，请问timesfm支持多输入特征时序预测吗？ 目前我仅仅测试了股票数据，其他类型/格式数据未做测试，也不太清楚。 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

是的，看看后续有没有人出timesfm的demo吧。

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

[lhw828]

嗯嗯，我准备换其他模型了。其他模型出来时间更久，demo更多

---原始邮件--- 发件人: @.> 发送时间: 2024年5月24日(周五) 上午7:07 收件人: @.>; 抄送: @.**@.>; 主题: Re: [lhw828/timesfm] 预测效果感觉很差劲 (Issue #3)

我那个没有优化程序和参数（关键是也不太懂），不能做数。

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

今天尝试了让timesfm跑本地数据，https://github.com/lhw828/timesfm/tree/main/local

各种需求，应该是可实现的。

[Lin840591196]

@lhw828 你好，我跑了一下您适用本地数据的代码，看了一下导入的数据，依然是一个单变量的时序预测，请问有没有什么方法可以用timesfm实现多变量时序预测（比如说我要预测每天降雨量，有一个时间输入，一个降雨量输入，可以有其他的外生变量辅助预测，外生变量比如说那一天的温度等等）

[lhw828]

我有空了再去外面扒一下有没有类似的demo

[Lin840591196]

谢谢大佬！！

------------------ 原始邮件 ------------------ 发件人: "lhw828/timesfm" @.>; 发送时间: 2024年6月2日(星期天) 晚上11:04 @.>; @.**@.>; 主题: Re: [lhw828/timesfm] 预测效果感觉很差劲 (Issue #3)

我有空了再去外面扒一下有没有类似的demo

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>

[enzoyes]

Timesfm看起来没有那么好？有大佬做相关的调优或者自己训练么？

[lhw828]

Timesfm看起来没有那么好？有大佬做相关的调优或者自己训练么？

GPU都没有的人，没办法自己训练。另外水平也有限。

[RipperTs]

嗯嗯，我准备换其他模型了。其他模型出来时间更久，demo更多 … ---原始邮件--- 发件人: @.> 发送时间: 2024年5月24日(周五) 上午7:07 收件人: @.>; 抄送: @.**@.>; 主题: Re: [lhw828/timesfm] 预测效果感觉很差劲 (Issue #3) 我那个没有优化程序和参数（关键是也不太懂），不能做数。 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

可以推荐一下其他模型吗

[iyuner]

@lhw828 你好，我跑了一下您适用本地数据的代码，看了一下导入的数据，依然是一个单变量的时序预测，请问有没有什么方法可以用timesfm实现多变量时序预测（比如说我要预测每天降雨量，有一个时间输入，一个降雨量输入，可以有其他的外生变量辅助预测，外生变量比如说那一天的温度等等）

请问有找到可以有多维数据输入的demo吗？TimesFM是可以输入多维的吗？

[RipperTs]

我简单训练了多维度的深度学习模型，然后将预测结果与timesfm对比，发现差异竟然很小，但实际上这结果不可相信，因为它是基于单维度的历史周期规律预测的