09:44
官方账号arXiv cs.LG@Jin Qian, Zhangzhi Xiong, Mingrui Li, Zhen Liu
推荐理由：这篇论文告诉你，当数据标签很少时，用半监督异常融合比复杂神经网络更靠谱。AAMSF在沪深300上AUC达0.68，而且发现英文新闻反而干扰预警。
AAMSF
共 1 条相关 AI 资讯
7月28日
09:44
论文提出AAMSF（异常增强多信号融合）半监督框架，在CSI 300数据集（791个训练日仅约80个正样本）上，AAMSF实现测试AUC-ROC 0.680，优于最强无监督基线（0.630）和神经网络基线（0.588）。T-AAMSF时间扩展版本将PR-AUC提升至0.291。消融实验显示GDELT事件与国内财经新闻提供互补风险信号，而英文媒体持续降低性能。研究建议在标签稀缺的金融风险预警中，稳健异常几何与源可靠性比监督表示能力更重要。