11:54官方账号arXiv cs.LG@Dishan Sarkar论文提出 Adaptive Financial Transformer (AFT) 模型,针对非平稳金融市场的股票收益预测。该模型包含市场体制编码器、自适应门网络和自适应金融上下文模块,基于 95 个金融特征(分为 11 个语义类别)动态偏置自注意力。与传统 Transformer 不同,AFT 根据潜在市场体制调整注意力,并通过复合目标同时优化预测误差、方向准确率和非重叠夏普比率。实验表明,AFT 在保持竞争性预测性能的同时,将模型复杂度降低 15.2%,参数效率得到提升。AI模型AFT自适应Transformer股票预测金融时间序列特征分组推荐理由:要预测股票涨跌?这篇论文搞了个自适应 Transformer,把95个金融指标分成11组,根据市场风向调整注意力,还省了15%的算力。原文
09:48官方账号arXiv 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