Neural Hidden Markov Model with Adaptive Granularity Attention for High-Frequency Order Flow Modeling
创建于 更新于
摘要
本文提出将自适应粒度注意力（AGA）与神经隐马尔可夫模型（Neural HMM）结合，用于高频限价单簿的多尺度特征提取与时序建模；模型通过并行的扩张卷积（tick级）与可学习小波+LSTM（分钟级）提取多分辨率特征，利用基于局部波动率与成交频率的门控动态融合，并以条件正规流替代高斯发射以刻画非高斯观测分布，实证显示在500ms中期价格预测与流动性冲击检测上显著优于固定分辨率基准 [page::0]
