Boosting the Accuracy of Stock Market Prediction via Multi-Layer Hybrid MTL Structure
创建于 更新于
摘要
本报告提出了一种集成Transformer编码器、BiGRU和Kolmogorov-Arnold网络(KAN)的多层混合多任务学习(MTL)框架，用以解决股票市场非线性、高维和波动性强的数据特征。通过多层结构，该模型有效捕获了多维特征间复杂关系和时间序列的长短期依赖。实验证明，该方法在MAE、MAPE和R²等多项指标上显著优于主流先进模型，达到MAE为1.078，MAPE为0.012，R²高达0.98，展现出极强的预测精度和稳定性，为股票市场预测提供了有力工具和思路 [page::0][page::1][page::2][page::4][page::5][page::6][page::7].
