Pre-training Time Series Models with Stock Data Customization
创建于 更新于
摘要
本文针对股票数据的独特属性，提出三种定制化预训练任务（股票编码分类、行业分类及移动平均预测），结合两层Transformer架构的SSPT模型，显著提升股票选择的投资收益率和夏普率。通过五大市场多时间段实证验证方法的稳健性，并通过模拟数据分析解释预训练背后的统计特征提取机制，为金融时间序列模型预训练提供新思路及应用指导[page::0][page::1][page::6][page::7][page::8]。
