Hybrid Neural-Classical Correction for Frozen Time Series Foundation Models: A Comprehensive Ablation Study on High-Frequency Stock Prediction
创建于 更新于
摘要
本文研究如何通过神经网络校正器与随机森林残差学习模块，适配冻结的TimesFM基础模型，用于科技股开盘首小时高频收益预测。基于10只大型科技股、超过200万条数据和12组模型变体的消融实验，GatedLinear+RF取得最佳综合表现，平均日内相关系数达到0.373，较TimesFM基线的0.059显著提升， pooled correlation达到0.597；随机森林残差学习贡献最大，自注意力是最有效的神经组件，而参数更少的简单结构在结合经典机器学习后表现出更优的参数效率。[page::0][page::4][page::5][page::6]
