Explainable-AI Powered stock price prediction using time series transformers: A Case Study on BIST100
创建于 更新于
摘要
本研究聚焦土耳其BIST100指数中五大银行股及相关指数的股价预测，采用多种基于Transformer的时间序列模型（包括DLinear、LTSNet、Vanilla Transformer和TST），结合丰富的技术指标特征，通过SHAP和LIME等XAI方法增强模型的可解释性，旨在提升金融识别能力和投资决策透明度。实证结果显示DLinear模型在多项指标上表现优异，且XAI技术揭示模型对动量指标如RSI、MACD及趋势/波动性指标的依赖差异，为提升新兴市场投资者金融素养提供实用框架[page::0][page::1][page::2][page::12][page::16]。
