我想使用带有 LSTM 的 RNN 根据多个输入预测未来的多个步骤。我对解决此问题的不同方法有一些想法，但恐怕我错过了做到这一点的“正确方法”。请让我知道这些方法中的任何一种通常比其他方法更好或更差，或者我是否缺少任何方法。

更具体地说，我有大约 1,000,000 个时期的财务数据要训练：股票收盘价 (X)、股票指标 1 (Y) 的价值和股票指标 2 (Z) 的价值。我想对这些数据进行训练并预测未来 10 个时期的收盘价 (X)。

这是我可以想象的方法：

1. 用于预测每个输入值的单独模型

有一个模型根据前一个 X、Y 和 Z 预测下一个 X。
第二个模型根据前一个 X、Y 和 Z 预测下一个 Y。
第三个模型根据前一个 X、Y 和 Z 预测下一个 Z。以前的 X、Y 和 Z。

使用这三个模型的预测作为后续步骤的输入。

2. 不同周期宽度的分离模型

在训练数据的每个时期训练一个模型，用它来预测未来的一个时期。
在训练数据的每个第二个时期训练第二个模型，用它来预测未来的两个时期。
在训练数据的每三个时期训练第三个模型，用它来预测未来的三个时期。

等等

3. 训练一个模型，该模型预测一个由十个值组成的向量，每个值代表未来每个周期最多十个周期的预测 X。

4. 训练一个模型来预测三个值的向量，每个值代表预测的下一个 X、Y 和 Z。将它们用作后续步骤的输入。