在金融市场中，存在一个简单的问题，即不同国家的交易日历不同。例如，瑞典庆祝瑞典国庆日，挪威庆祝惠特星期一。通常情况下，股市中因假期休市的时间序列在第二天市场再次开市时“赶上”。

例如：

+-----------------+------------+------------+------------+------------+
| Date            | SEK 1      | SEK 2      | NOK 1      | NOK 2      |
+-----------------+------------+------------+------------+------------+
| Date 1          | + 0.2%     | +0.4%      | +0.3%      | +0.6%      |
| Date 2          | + 1.1%     | +0.7%      | +0.3%      | +2.1%      |
| Date 3          | -3.2%      | -2.9%      | NaN        | NaN        |
| Date 4          | +0.1%      | -0.2%      | -2.8%      | -1.6%      |
+-----------------+------------+------------+------------+------------+

我的模型的目标是调整第 3 天和第 4 天的挪威克朗收益，因为它们已被第 3 天的挪威克朗假期扭曲了。为此，我将使用尽可能多的好日期，例如第 1 天并建立一个通过随机删除一些数据，调整以下日期并使用删除的调整作为输入来创建大型数据集，显然我知道监督输出是真实数据。

我觉得这很适合神经网络，但我之前从未构建过输入丢失的神经网络。

只构建网络是否合适，其中丢失的输入数据点对该轮的权重没有影响？是否有任何神经网络（或全部）默认执行此操作？