То, что вы описываете, на самом деле не встраивается. По крайней мере, в контексте глубокого обучения встраивание обычно относится к (обучаемому) шагу для преобразования многомерных, но разреженных входных данных, которые в противном случае были бы однократно закодированы, в низкоразмерное, но плотное распределенное представление. Это работает для слов, но также и для категориальных функций, если у вас много категорий.
Поскольку ваши входные данные уже являются плотными, вы можете передать их прямо в нейронную сеть. То, что вы называете встраиванием, на самом деле является просто полностью связанным слоем. Люди пробовали нечто подобное, главным образом для уменьшения вычислительной сложности. В этой статье (https://arxiv.org/abs/1402.1128) говорится о проекционных слоях после слоя LSTM. Слой проекции - это полностью связанный слой без активации.
Я не понимаю одного: как можно предсказать краткосрочные изменения VIX, используя исторические ежедневные сводки. Вам не нужны данные за день?
