MCI-GRU：基于多头交叉注意力和改进型GRU的股市预测模型

文章预览

本文提出了一种基于多头交叉注意力机制和改进型GRU（门控循环单元）的股市预测模型MCI-GRU。该模型旨在解决金融市场复杂性和大数据时代下准确股市预测的挑战，特别是在灵活选择和有效利用关键历史信息方面。传统时间序列模型如GRU在股市预测中广泛应用，但在处理市场错综复杂的非线性动态时存在局限性。MCI-GRU模型通过替换GRU中的重置门为注意力机制，增强了模型在选择和利用历史信息的灵活性。同时，设计了多头交叉注意力机制以学习不可观测的潜在市场状态表示，并通过与时间特征和横截面特征的交互进一步丰富这些表示。实验结果表明，该方法在中美股市数据集上的表现优于当前最先进的方法，并且在实际金融环境中得到了应用验证。 1. 引言 随着大数据时代和全球经济的快速发展，金融市场的复杂性显著增加，这对股市的波动性和 ………………………………