MSMF：用于增强股市预测的多尺度多模态融合
计算工程、金融与科学
2024-09-13 v1 多媒体
摘要
本文提出了 MSMF（Multi-Scale Multi-Modal Fusion，多尺度多模态融合），一种用于增强股市预测的新方法。MSMF 通过集成模态补全编码器、多尺度特征提取和创新融合机制，解决了多模态股票分析中的关键挑战。我们的模型利用空白学习和渐进融合来平衡不同模态间的互补性与冗余性，同时多尺度对齐促进了异构数据类型之间的直接关联。我们引入了多粒度门控和专门的架构，以优化不同任务中局部与全局信息的整合。此外，采用任务导向预测层以在融合过程中保留粗粒度与细粒度特征。实验结果表明，MSMF 优于现有方法，在各类股市预测任务中准确率显著提升并降低了预测误差。本研究为多模态金融分析领域提供了有价值的见解，并为增强市场预测提供了稳健的框架。
引用
@article{arxiv.2409.07855,
title = {MSMF: Multi-Scale Multi-Modal Fusion for Enhanced Stock Market Prediction},
author = {Jiahao Qin},
journal= {arXiv preprint arXiv:2409.07855},
year = {2024}
}
备注
15 pages, 1 figures, 7 tables