时机到来再交易：基于局部感知注意力与迭代精炼标注的价格走势预测
机器学习
2024-07-11 v4 人工智能
计算工程、金融与科学
统计金融
摘要
价格走势预测旨在基于当前市场信息预测金融资产趋势，通过机器学习（ML）方法已取得可喜进展。然而，大多数现有 ML 方法难以应对金融数据极低的信噪比和随机性，常在不仔细筛选潜在盈利样本的情况下将噪声误认为真实交易信号。为解决此问题，我们提出 LARA，一种新颖的价格走势预测框架，包含两个主要组件：局部感知注意力（LA-Attention）和迭代精炼标注（RA-Labeling）。（1）LA-Attention 通过度量学习技术增强，利用掩码注意力机制和任务特定距离度量自动提取潜在盈利样本。（2）RA-Labeling 进一步迭代精炼潜在盈利样本的噪声标签，并组合对未见和噪声样本鲁棒的已学习预测器。在股票、加密货币和 ETF 三个真实世界金融市场的一组实验中，LARA 在 Qlib 量化投资平台上显著优于多种基于机器学习的方法。大量消融研究证实了 LARA 在捕捉更可靠交易机会方面的优越能力。
引用
@article{arxiv.2107.11972,
title = {Trade When Opportunity Comes: Price Movement Forecasting via Locality-Aware Attention and Iterative Refinement Labeling},
author = {Liang Zeng and Lei Wang and Hui Niu and Ruchen Zhang and Ling Wang and Jian Li},
journal= {arXiv preprint arXiv:2107.11972},
year = {2024}
}