新型自适应金融Transformer提升股票预测准确性

研究人员开发了一种自适应金融Transformer（AFT）模型，旨在提高在波动性金融市场中的股票收益预测能力。这种新颖的架构包含一个市场状态编码器和一个自适应门控网络，能够根据金融指标间的语义关系动态调整自注意力机制。AFT模型将95个工程化的金融特征分为11类，并根据潜在的市场状态调整注意力，解决了先前研究中存在的序列对齐和回测膨胀等问题。实验表明，该模型在降低模型复杂性和提高参数效率的同时，展现出具有竞争力的预测性能，为金融时间序列预测提供了一个可解释的Transformer。 AI

影响 引入了一种更具可解释性和效率的金融时间序列预测Transformer架构，有望改进算法交易策略。

排序理由 该集群包含一篇详细介绍新模型架构和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Adaptive Financial Transformer
• Machine Learning
• Transformer

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →