A Financial Time Series Denoiser Based on Diffusion Models
创建于 更新于
摘要
本报告提出了一种基于扩散模型的金融时间序列去噪新方法，通过构建条件扩散模型逐步去除噪声，实现对原始数据的还原，从而显著提升下游收益率分类任务的预测准确性和交易信号的有效性。实验证明，该方法在多频率股价数据上均能提高信噪比，优化MACD及Bollinger策略的交易收益并减少交易次数，且通过训练分类器识别市场噪声状态进一步构建盈利交易策略，验证了扩散模型在金融时序数据去噪和交易中的潜力。[page::0][page::2][page::4][page::5][page::6][page::7]
