我们通常认为，增加训练数据总能提升泛化能力。但 Jong 等人（2025）实验发现，使用美股股指数据的 LSTM 预测任务中，当把训练样本从较近的历史扩展到更远的过去时，测试性能反而下降了。原因在于金融时间序列中存在记忆不一致性。长记忆依赖在某些时间段会消失，甚至向独立性漂移，而 LSTM 的循环结构无法有效捕捉这种切换。
发布于 浙江
市场_thinker