探索扩散模型用于金融图表的生成式预测
人工智能
2025-09-03 v1
摘要
近期生成模型的进展显著推动了诸如从文本生成和编辑图像、从文本提示创建视频等任务。然而，在金融领域，可能仍依赖时间序列数据，继续专注于转换器模型，而非更广泛地应用生成模型。本文提出了一种新方法，将时间序列数据视为单一图像模式，从而利用文本到图像模型实现股票价格趋势预测。不同于先前关注使用 ResNet 或 ViT 等架构学习和分类图案的方法，我们实验性地使用扩散模型从当前图表图像和指令提示生成下一张图表图像。此外，我们引入了一种简单的方法来评估生成图表图像与真实图像之间的匹配度。我们强调了在金融领域利用文本到图像生成模型的潜力，我们的发现激励进一步研究以解决当前局限性并扩大其适用性。
引用
@article{arxiv.2509.02308,
title = {Exploring Diffusion Models for Generative Forecasting of Financial Charts},
author = {Taegyeong Lee and Jiwon Park and Kyunga Bang and Seunghyun Hwang and Ung-Jin Jang},
journal= {arXiv preprint arXiv:2509.02308},
year = {2025}
}