本研究提出了一种混合深度学习模型——TCN-MLP-注意力架构，用于哈斯鳄梨价格预测。该模型结合时间卷积网络、全连接神经网络和注意力机制，显著提高了预测精度，均方根误差为1.23。

该研究通过预处理视频和音频，提取视觉和音频特征，并使用时间卷积网络和Transformer编码器结构来提高模型性能和泛化能力。研究还融合了预训练的音频和视频模型进行特征提取，取得了较好的VA评估性能。

本研究利用公共社交媒体数据和深度学习表示，结合比特币价格数据，构建了多种深度学习构架来预测比特币的波动率。实证结果显示时间卷积网络在预测精度上表现更优，同时发现推文作者元信息是更好的波动率预测因子。