MASTER：用于股价预测的市场引导型股票 Transformer
计算工程、金融与科学
2023-12-27 v1
摘要
由于股票市场的高波动性，股价预测几十年来一直是一个极具挑战性的问题。最近的努力致力于建模复杂的股票相关性以实现联合股价预测。现有工作共享一种常见的神经架构，即从单个股票序列中学习时间模式，然后混合时间表示以建立股票相关性。然而，它们仅考虑源自所有输入股票特征的时间对齐股票相关性，这存在两个局限性。首先，股票相关性通常是瞬间发生且跨时间存在的。其次，特征有效性随市场变化而动态变化，从而影响股票序列模式及其相关性。为解决这些局限性，本文引入了 MASTER，一种市场引导型股票 Transformer (MArkert-Guided Stock TransformER)，它建模瞬间和跨时间的股票相关性，并利用市场信息进行自动特征选择。MASTER 通过交替进行股内和股间信息聚合，优雅地解决了复杂的股票相关问题。实验显示了 MASTER 相较于先前工作的优越性，并可视化了捕捉到的真实股票相关性以提供宝贵见解。
引用
@article{arxiv.2312.15235,
title = {MASTER: Market-Guided Stock Transformer for Stock Price Forecasting},
author = {Tong Li and Zhaoyang Liu and Yanyan Shen and Xue Wang and Haokun Chen and Sen Huang},
journal= {arXiv preprint arXiv:2312.15235},
year = {2023}
}
备注
Accepted by AAAI2024