StockMixer：一个简单而强大的股票价格预测架构，性能提升超过10%

文章预览

“ StockMixer: A Simple Yet Strong MLP-Based Architecture for Stock Price Forecasting ” 股票价格预测是量化投资中的基本任务，涉及多元时间序列预测，因市场波动性大，预测准确性仍是挑战。现有深度学习方法通过专门的神经模块建模不同相关性，模型复杂性影响泛化能力，存在过拟合风险。 StockMixer是一个基于MLP的轻量级的混合架构，通过轻量级的指标、时间和股票混合块组合，避免使用不同的子网络。实验表明，StockMixer在三个指标上平均性能提升7.6%、10.8%和10.9%，优于现有基准。 论文地址 ： https://ojs.aaai.org/index.php/AAAI/article/view/28681 Github地址 ：https://github.com/SJTU-Quant/StockMixer 摘要 股票价格预测是量化投资中的重要且具有挑战性的任务。研究者们使用多种神经网络模型（如RNN、GNN、Transformer）来捕捉复杂的指标、时间和股票相关性。复杂架构难以优化，且受限 ………………………………