HAELT：面向高频股票价格预测的混合注意力集成学习 Transformer 框架
机器学习
2025-06-18 v1 人工智能
摘要
高频股票价格预测因非平稳性、噪声和波动性而具有挑战性。为此，我们提出混合注意力集成学习 Transformer（HAELT），一种深度学习框架，结合基于 ResNet 的噪声缓解模块、用于动态聚焦于相关历史记录的自注意力机制，以及捕获局部与长程依赖关系的混合 LSTM-Transformer 核心。这些组件根据最近性能自适应集成。我们在 2024 年 1 月至 2025 年 5 月的苹果公司（AAPL）小时级数据上进行评估，HAELT 在测试集上取得最高 F1 分数，有效识别了上升和下跌价格走势。这表明 HAELT 具备稳健、实用的金融预测和算法交易潜力。
关键词
引用
@article{arxiv.2506.13981,
title = {HAELT: A Hybrid Attentive Ensemble Learning Transformer Framework for High-Frequency Stock Price Forecasting},
author = {Thanh Dan Bui},
journal= {arXiv preprint arXiv:2506.13981},
year = {2025}
}