Тип модели ML для представления функций по ссылке времени ⇐ Python

[Anonymous]

Я пытаюсь построить модель для прогнозирования цены контракта. Контракт имеет определенные события и состояния в определенные дни.
Например:
2025/01/10 - волатильность: 1,2, барьер: 1,5, купон 1,1
2025 /01/14 - волатильность: 0,9, барьер: 1,55, купон 1,15.
Краткое объяснение: купон выплачивается при достижении барьера. соблюдается.
У меня есть 15 функций для каждой даты события, включая состояние рынка на эту дату и финансовые параметры, такие как волатильность и форвардная цена.
Я хочу иметь возможность поместить в сеть последовательность переменной длины (разные контракты могут иметь разное количество барьерных дат/дат купонов) и получить цену.
Сначала я все нормализовал. , включая момент времени, нормированный на длину контракт
Сначала я думал об использовании LSTM, но LSTM используются для прогнозирования последовательных данных. Это не последовательные данные, поскольку предыдущий временной шаг не связан со следующим временным шагом. Хотя каждая из функций зависит от времени, поскольку каждая функция связана с определенным моментом времени.
Какой тип техники мне следует использовать в этом случае?

Подробнее здесь: https://stackoverflow.com/questions/793 ... -time-link