ARTEMIS: A NEURO-SYMBOLIC FRAMEWORK FOR ECONOMICALLY CONSTRAINED MARKET DYNAMICS
创建于 更新于
摘要
本文提出 ARTEMIS —— 将连续时域编码（Laplace Neural Operator）、神经SDE 隐态动力学、基于 Feynman–Kac 的无套利 PDE 正则与市场价格风险约束以及可微分符号瓶颈端到端结合，旨在在保持可解释性的同时提升方向性预测能力；在多个基准（包括合成崩盘 DSLOB 与 Time-IMM）上展现出显著方向准确率提升并通过消融证明 PDE 与 MPR 损失为关键驱动因素 [page::0][page::2][page::21]
