History Is Not Enough: An Adaptive Dataflow System for Financial Time-Series Synthesis
创建于 更新于
摘要
本文提出一套面向金融时间序列的自适应数据流系统，结合参数化的数据操作模块（单股变换、多股混合、插值与校正）与基于验证反馈的planner–scheduler，实现基于双层优化的动态增强策略，从而改善模型在概念漂移环境下的鲁棒性与风险调整后收益；实验覆盖股票与加密市场，并通过 t-SNE、验证-测试距离与交易回测展示了增强数据使训练分布更接近未来分布并提升下游任务表现 [page::1][page::3][page::11]
