Stock Volume Forecasting with Advanced Information by Conditional Variational Auto-Encoder
创建于 更新于
摘要
本报告提出基于条件变分自编码器（CVAE）的非线性时序预测模型，利用股票重平衡日等先进信息提升欧洲50支股票日交易量的长期与短期预测精度。实证结果显示，CVAE模型相比传统线性模型（ARMA、VAR）在均方误差和交叉相关拟合上表现优越，且能生成情景分析帮助特征解释和决策支持。文中还探讨了非平稳时序的相关性估计及未来拓展方向 [page::0][page::1][page::3][page::4][page::5][page::6][page::7]
