PulseAugur
中
实时 13:15:05
English(EN) Robust Transformer-Based One-Step Stock Index Forecasting via Shifted Data Augmentation

新的Transformer模型通过数据增强增强股指预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的基于Transformer的单步股指预测架构，解决了金融时间序列中噪声信号和分布变化等挑战。所提出的框架结合了先进的学习率调度，特别是带预热的余弦退火，以及一种新颖的移位数据增强（SDA）技术。在VN30和S&P 500数据集上的实验表明，SDA显著降低了预测误差并提高了鲁棒性，优于增加模型复杂度的方法。 AI

排序理由 该集群包含一篇学术论文，详细介绍了一种用于特定应用的新模型架构和技术。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Tien Thanh Thach ·

    Robust Transformer-Based One-Step Stock Index Forecasting via Shifted Data Augmentation

    arXiv:2606.15701v1 Announce Type: new Abstract: Transformers have shown remarkable success in sequence modeling, yet their direct application to financial time series remains challenging due to noisy signals, short-memory dynamics, and distributional shifts. This paper proposes a…

相关实体

相关话题