我正在写我的硕士论文，并使用 LSTM 进行每日股票回报预测。到目前为止，我只是在预测数值，但很快就会探索一个分类风格问题，并预测它每天会上升还是下降。

我探索了几个场景

• 仅使用过去 50 天作为输入的单个 LSTM 返回数据
• 仅使用过去 50 天返回数据作为输入的堆叠（2 层）

结果对两者都不是很好（我没想到会如此）。所以我尝试了一些特征工程，使用 3 天 MA、5 天 MA、10 天 MA、25 天 MA、50 天 MA 的每日收益以及实际的每日收益，这意味着我有 6 个输入特征。所有其他变量保持不变，但模型现在过度拟合（请参阅下面的训练和测试损失图）。有谁知道为什么会这样？

橙色为测试损失，蓝色为训练