Cross-Modal Temporal Fusion for Financial Market Forecasting
创建于 更新于
摘要
本论文提出了Cross-Modal Temporal Fusion（CMTF）框架，融合结构化的历史市场数据及宏观指标与非结构化的新闻情绪和财报内容，利用基于Transformer的深度学习模型，实现金融市场价格涨跌方向的准确预测。CMTF采用张量编码与解读模块提升跨模态特征的选择和解释性，并通过自动化超参数调优加快模型训练。实证结果显示CMTF在FTSE 100成分股的分类任务中，显著优于ARIMA、LSTM等多个基线模型，提升了预测精度与召回率，体现了多模态深度学习在金融预测中的有效性和可扩展性[page::0][page::1][page::5][page::7]。
