EXFormer：面向外汇收益预测的多尺度趋势感知 Transformer 及动态变量选择

准确预测每日汇率收益一直是国际金融中的长期挑战，因为汇率收益由大量相关市场因素驱动并表现出高频波动。本文提出 EXFormer，一种专为预测每日汇率收益而设计的新型 Transformer 架构。我们引入多尺度趋势感知自注意力机制，使用具有不同感受野的平行卷积分支，基于局部斜率对观测进行对齐，既保留长程依赖，又对 regime 变化敏感。动态变量选择器为28个与汇率收益相关的外生变量分配时变重要性权重，提供了先验可解释性。嵌入式 squeeze-and-excitation 模块对通道响应进行再校准，以强调信息丰富的特征并抑制噪声。我们针对 EUR/USD、USD/JPY 和 GBP/USD 的每日数据，在五个不同的滑动窗口中进行了样外评估。EXFormer 在所有基准中均表现出色，方向性准确率提升了最高可达 8.5-22.8%。在近一年的交易后测试中，该模型将这些收益转化为累计收益分别为 18%、25% 和 18%，Sharpe 比率均超过 1.8。当考虑保守的交易成本和滑点时，EXFormer 仍保持累计收益为 7%、19% 和 9%，而其他基准实现了负收益。稳健性检验进一步确认了该模型在高波动和熊市 regime 下的优势。EXFormer 为国际投资者、企业和中央银行实践者提供了经济有价值的预测及对汇率动力学的透明、时变洞察。