09:48arXiv cs.LG@Tien Thanh Thach本文提出改进的Transformer架构,结合余弦退火调度和移位数据增强(SDA)用于一步股票指数预测。在VN30和S&P 500两个基准数据集上评估,余弦退火调度相比逆幂调度持续提升预测精度。SDA显著降低预测误差和运行间变异,提高对超参数选择的鲁棒性。组合方法在两个数据集上取得最佳性能,表明数据增强比增加模型复杂度更有效。论文TransformerSDA股票预测时间序列金融预测推荐理由:这篇论文在股票预测上用改进的Transformer和数据增强,在VN30和标普500上效果比堆模型还管用,值得看看具体方法。原文