IVE：基于 Transformer 的日内成交量比率增强概率预测

本文提出了一种金融市场成交量比率预测的新方法，专门针对成交量加权平均价格（VWAP）策略的执行。认识到准确的成交量分布预测的重要性，我们的研究利用 Transformer 架构在一分钟尺度上预测日内成交量比率。我们偏离了先前使用对数变换成交量或换手率的模型，而是选择了一个预测模型，该模型考虑了日内成交量比率的高变异性，并通过对数正态变换进行稳定。我们的输入数据不仅包含成交量的统计特性，还包含外部成交量相关特征、绝对时间信息和股票特定特征，以提高预测准确性。模型结构包括一个带有用于贪婪采样的分布头的编码器-解码器 Transformer 架构，优化了在韩国和美国市场高流动性股票上的表现。通过引入捕捉成交量比率均值和标准差的概率预测，我们将模型的能力扩展到点预测之外，从而能够预测显著的日内成交量飙升。此外，一个具有简单交易逻辑的代理通过在韩国市场的实盘交易测试展示了我们模型的实际应用，在两个半月的时间内表现优于 VWAP 基准。我们的发现突显了基于 Transformer 的概率模型在成交量比率预测方面的潜力，并为该领域的未来研究进展铺平了道路。