Automatic De-Biased Temporal-Relational Modeling for Stock Investment Recommendation
创建于 更新于
摘要
本报告提出了自动去偏的时序关联建模方法ADB-TRM，针对股票市场低信噪比的时间偏差与关系偏差，及宏观市场的分布漂移问题，采用双层元学习架构、对抗训练与全局-局部交互机制提升股票投资推荐的稳健性和泛化能力。实证结果显示，ADB-TRM在NASDAQ、NYSE和东京证券交易所三大数据集上，分别获得超过28.41%的累计收益提升和9.53%的风险调整收益率提升，显著优于现有先进模型[page::0][page::1][page::5][page::6][page::7]。
