从偏差到行为：利用对比建模学习牛市-熊市市场动态
机器学习
2025-07-22 v1 人工智能
机器学习
摘要
金融市场表现出高度动态和复杂的行为，这些行为由历史价格轨迹和外部叙事（如新闻、政策解读和社交媒体情绪）共同塑造。这些数据的异质性以及投资者洞察力的多样性引入了偏差，使市场动态建模复杂化。与先前工作不同，本文探讨了投资者驱动市场动态中牛市和熊市机制的潜力。通过对真实世界金融数据集的实证分析，我们揭示了偏差变化与行为适应之间的动态关系，这增强了在不断变化的市场条件下的趋势预测。为了建模这一机制，我们提出了从牛市-熊市动态的偏差到行为模型（B4），这是一个统一框架，将时间价格序列和外部上下文信号共同嵌入到一个共享的潜在空间中，在该空间中，对立的牛市和熊市力量自然涌现，形成偏差表示的基础。在该空间内，一个惯性配对模块将时间相邻的样本配对以保持动量，而双重竞争机制对比牛市和熊市嵌入以捕捉行为分歧。这些组件共同使B4能够建模偏差驱动的非对称性、行为惯性和市场异质性。在真实世界金融数据集上的实验结果表明，我们的模型不仅在预测市场趋势方面取得了优越性能，而且还提供了对偏差、投资者行为和市场动态之间相互作用的可解释性洞察。
引用
@article{arxiv.2507.14182,
title = {From Bias to Behavior: Learning Bull-Bear Market Dynamics with Contrastive Modeling},
author = {Xiaotong Luo and Shengda Zhuo and Min Chen and Lichun Li and Ruizhao Lu and Wenqi Fan and Shuqiang Huang and Yin Tang},
journal= {arXiv preprint arXiv:2507.14182},
year = {2025}
}