ASTIF：适用于加密货币价格预测的自适应语义-时序集成

金融时间序列预测本质上是一个信息融合挑战，但大多数现有模型依赖于静态架构，难以整合异构知识源或适应快速的 regime 变化。传统方法仅依赖历史价格序列，往往忽视诸如政策不确定性和市场叙事等引发波动性的语义驱动因素。为克服这些限制，我们提出ASTIF（适用于加密货币价格预测的自适应语义-时序集成），这是一种混合智能系统，通过基于置信度的元学习在实时中调整其预测策略。该框架集成了三个互补组件：一个使用MirrorPrompt提取语义市场线索并与数值趋势并行的双通道小型语言模型，一个捕捉序列时序依赖性的混合LSTM随机森林模型，以及一个具有自适应推理功能的置信度感知元学习器，作为自适应推理层，根据其实时不确定性调制每个预测器的贡献。针对2020年至2024年间以AI为焦点的加密货币和主要科技股的多样化数据集进行了实验评估，结果表明ASTIF在Informant、TFT等领先深度学习和Transformer基线之外还能取得优异成绩。消融研究进一步确认自适应元学习机制的关键作用，该机制在市场波动时成功地在语义通道和时序通道之间转移依赖，从而有效缓解风险。该研究为在非平稳环境中融合定量和定性数据提供了可扩展的知识驱动解决方案。