股票价格预测精度增强，基于变分模态分解、PatchTST和自适应尺度加权层

文章预览

“ ENHANCED FORECASTING OF STOCK PRICES BASED ON VARIATIONAL MODE DECOMPOSITION, PATCHTST, AND ADAPTIVE SCALE-WEIGHTED LAYER ” 论文地址 ：https://arxiv.org/pdf/2408.16707 摘要 股票指数价格波动较大，投资者迫切需要一个可以准确预测的方案。本文提出一种新型复合预测框架：结合VMD、PatchTST和ASWL。使用2000至2024年四大股指（SP500、DJI、SSEC、FTSE）数据。VMD将原始价格序列分解为内在模式函数（IMFs）。每个IMF用PatchTST建模，捕捉时间模式。ASWL模块增强预测精度，整合所有IMF的预测结果。VMD-PatchTST-ASWL框架在预测准确性上显著优于传统模型。本方法在不同指数上表现稳健，适用于金融分析和投资决策。 简介 股票价格指数是金融市场和经济健康的晴雨表，准确预测对投资决策至关重要。股票市场的高频交易和复杂行为使得预测具有挑战性，需开发稳定、准确的预测模型。研究表明，估 ………………………………