Causality-Inspired Models for Financial Time Series Forecasting
创建于 更新于
摘要
本报告提出了一种基于因果启发的金融时间序列预测框架，通过结合最先进的因果发现算法与非因果特征选择方法，解决了金融市场分布变化带来的预测稳定性和准确性问题。实证结果显示，因果驱动模型在危机时期显著优于传统预测方法，尤其是在全球金融危机和COVID-19等动荡市场环境中，表现出更低的预测误差和更稳定的特征选择，验证了因果特征选择在提升投资组合经济价值上的有效性 [page::0][page::1][page::10][page::11][page::13][page::14][page::15]。
