动态股票价格预测方法：比较不同波动率下的RNN和混合专家模型表现

文章预览

“ A Dynamic Approach to Stock Price Prediction: Comparing RNN and Mixture of Experts Models Across Different Volatility Profiles ” 股票价格预测是金融市场中的一项复杂且重要的任务，受多种因素影响，尤其在经济不确定时期更为显著。传统统计模型在处理高度波动和非线性模式时存在局限性。 深度学习模型在捕捉时间序列的长期依赖性方面表现良好，但是容易过拟合 。 本研究提出混合专家（MoE）方法，结合复杂和简单模型，针对不同波动性股票采用不同预测模型。MoE模型结合了RNN和线性模型的优点，适应不同公司特征，提供更可靠的预测。 论文地址 ：https://arxiv.org/pdf/2410.07234 摘要 本文研究评估混合专家模型(MoE)模型在股票价格预测中的有效性，与RNN和线性回归模型进行比较。MoE框架结合了RNN（适用于波动性股票）和线性模型（适用于稳定股票），通过门控网络动态调 ………………………………