Trend-encoded Probabilistic Multi-Order Model: A Non-Machine Learning Approach for Enhanced Stock Market Forecasts
创建于 更新于
摘要
本报告提出了一种基于趋势编码的多阶滞后概率模型（TeMoP），通过融合不同滞后阶数样本训练的模型结果，显著提升了股市趋势预测的准确性和稳健性。实证分析涵盖九个国家的股票指数，表明TeMoP在预测误差和跨数据集稳健性方面均优于主流机器学习和深度学习模型 [page::0][page::2][page::33]。
