Chinese content神经符号框架:在线自适应模糊认知图结合 LSTM 做金融预测
做量化或金融建模的可以看看这篇:用带引用的 FCM 图谱让预测过程可审计,收益符号准确率比纯 LSTM 高 7.6 个百分点,换市场状态后 10-15 天就能自适应。想解释模型为什么这么预测的团队会感兴趣。
做量化或金融建模的可以看看这篇:用带引用的 FCM 图谱让预测过程可审计,收益符号准确率比纯 LSTM 高 7.6 个百分点,换市场状态后 10-15 天就能自适应。想解释模型为什么这么预测的团队会感兴趣。
KDD 2026 在 Kaggle 上办了个金融预测竞赛,用价格数据加新闻文本预测四周后的股价,做量化或 NLP 的可以去试试。
论文用560个模型实测了4比特量化在S&P 500波动率预测上的效果,发现校准方式能决定性能好坏,做量化部署的可以看看。
想看看大模型能不能直接干金融预测和调仓?FinATOM用token生成搞定,夏普从1.428提到1.529,还开源了思路,值得一读。
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。
对于金融风控从业者,该基准提供了百万级真实财务数据及多时间范围评测框架,可有效检验表格型基础模型和LLM在不平衡场景下的预测能力。