Su llamado "universal" porque, a diferencia de los modelos tradicionales capacitados en las series de tiempo para un determinado stock/ contrato, este modelo está entrenado en un conjunto de conjunto de datos (en este caso de 500 acciones) y, a continuación, se muestra para ser aplicables para la previsión de todo el stock, incluyendo aquellos que no estén incluidos en los datos de entrenamiento.
Esto es diferente de la habitual enfoque donde, dicen, que el uso del tiempo de la serie de precios de IBM para estimar/entrenar un modelo de IBM, a continuación, los datos de GOOGL para entrenar a/la estimación de un modelo de GOOGL etc. Aquí a la piscina todos los datos, de tren, a continuación, utilizar el modelo para pronosticar cualquier acción.
A primera vista parece una tontería, pero increíblemente funciona mejor que sin agrupación.
Yo creo que eso es el punto principal del documento.
Esta "universalidad" y la superioridad de la formación en el conjunto de datos ha sido confirmado por otros trabajos que se han replicado sus resultados (por ex. Zohren et al)
