Decoding Futures Price Dynamics: A Regularized Sparse Autoencoder for Interpretable Multi-Horizon Forecasting and Factor Discovery
创建于 更新于
摘要
本论文提出了一种基于正则化稀疏自编码器（RSAE）的深度学习框架，用于商品期货的多时域价格预测及可解释性潜在因子发现。RSAE结合L1正则化实现稀疏潜变量，有效提取代表供需、宏观金融、地缘政治等关键市场驱动因素。实证铜和原油期货数据验证显示，RSAE在多时域上具备竞争性预测精度，同时潜变量具有明确的经济含义，为未来价格动态和风险管理提供新途径 [page::0][page::3][page::5][page::7][page::9][page::11][page::12]
