Transformer Based Time-Series Forecasting For Stock
创建于 更新于
摘要
本报告提出了一种基于Transformer结构的股票时间序列多变量预测模型“Stockformer”，通过引入ProbSparse注意力机制和自注意力蒸馏技术，有效解决长序列预测中的计算复杂度问题。利用财经数据中股票间的因果关系，结合1D-CNN嵌入和多头注意力结构，实现对油气行业股票价格的小时级别预测。实验结果显示，Stockformer相较传统LSTM具有更佳的收益表现和模型收敛性，表明该方法在捕捉股票走势及多时间序列依赖性方面具备潜力，为股票交易策略提供了新思路 [page::0][page::2][page::3][page::5][page::6]
