基于 Informer 网络的股票与市场价格指数预测
统计金融
2023-05-25 v1 人工智能
摘要
深度学习在金融市场预测中的应用已引起投资者和研究人员的巨大关注。尤其是分钟级日内预测中，短时间内剧烈波动的成交量和股票价格给网络结果的收敛带来了巨大挑战。Informer 是一种较新颖的网络，在 Transformer 基础上改进，具有更小的计算复杂度、更长的预测长度以及全局时间戳特征。我们设计了三组实验，在 1 分钟和 5 分钟频率上针对四只不同股票/市场价格指数，比较 Informer 与常用网络 LSTM、Transformer 和 BERT。预测结果由三个评价指标衡量：MAE、RMSE 和 MAPE。Informer 在所有数据集上的所有网络中均取得最佳性能。无全局时间戳机制的网络相比完整 Informer 预测效果显著更低；显然该机制赋予时间序列以特征并大幅提升了网络的预测精度。最后进行了迁移学习能力实验，Informer 同样取得良好表现。Informer 在市场预测中具有良好鲁棒性与提升的性能，可精确适配实际交易。
引用
@article{arxiv.2305.14382,
title = {Stock and market index prediction using Informer network},
author = {Yuze Lu and Hailong Zhang and Qiwen Guo},
journal= {arXiv preprint arXiv:2305.14382},
year = {2023}
}