文章预览
“ DFT: A Dual-branch Framework of Fluctuation and Trend for Stock Price Prediction ” 股票价格预测在量化投资中至关重要，但现有方法存在两个主要问题：未能捕捉短期波动和不足以探索股票间的时间关系。 传 统机器学习方法需手动构建大量金融指标特征，且难以建模股票间复杂的动态关联。 现有深度学习方法忽视了个股波动信息的重要性，未能有效区分趋势与波动，导致信息干扰。 本文提出双分支波动与趋势框架（DFT），分别提取波动和趋势特征，避免信息干扰，提升预测能力。DFT通过设计的分解模块有效提取短期波动和趋势信息，并建模时间变化和因果关系。实验表明，DFT在多个指标上优于现有方法，排名指标提升300%，投资组合指标提升400%。 论文地址 ：https://arxiv.org/pdf/2411.06065 Github地址 ：https://github.com/cq-dong/DFT_25 摘要 股票价格预测在量化投资中至关重
………………………………
