自监督学习在股票相似性表示学习及其在投资管理中的应用

文章预览

“ Temporal Representation Learning for Stock Similarities and Its Applications in Investment Management ” 牛津大学和韩国首尔大学推出了一个新型的时间自监督学习框架SimStock，结合了自监督学习和时间域泛化技术，用于学习金融时间序列数据的鲁棒和信息丰富的表示。 SimStock能够更全面地考虑全球金融市场的复杂动态，有效地找到相似的股票。SimStock在投资策略中的应用也表现出了卓越的性能，如对冲交易、指数跟踪和组合优化等。 论文地址 ：https://arxiv.org/pdf/2407.13751 摘要 SimStock是一个新型时间自监督学习框架，结合了自监督学习和时间域泛化技术，用于学习金融时间序列数据的鲁棒和信息丰富的表示。SimStock能够更全面地考虑全球金融市场的复杂动态，有效地找到相似的股票，优于现有方法。同时，SimStock在投资策略中的应用也表现出了卓越的性能，如对冲交易、 ………………………………