文章预览
本文介绍了一种基于多层感知器(MLP)的简单而强大的股票价格预测架构——StockMixer。该架构易于优化,并展现出强大的预测性能。StockMixer通过指标混合、时间混合和股票混合三个阶段来捕获股票数据中的复杂相关性。与标准MLP混合不同,StockMixer设计了时间混合以交换多尺度时间片段信息,并通过明确利用股票与市场之间的相互影响来实现股票混合。在真实股票基准测试上的广泛实验表明,StockMixer在减少内存使用和运行时间成本的同时,以显著的优势超越了各种最先进的预测方法。 引言 股票价格预测是量化投资领域的一个基本任务。由于市场上不同股票价格的变动不是相互独立的,股票价格预测实际上被构建为一个多变量时间序列预测问题。鉴于股票市场的高波动性和混沌性,实现高预测精度仍然是一个开放性问题。早期尝试应用基本的机器
………………………………