Fusing Narrative Semantics for Financial Volatility Forecasting
创建于 更新于
摘要
本文提出了M2VN：多模态波动率网络，一种将结构化金融时间序列和非结构化新闻文本语义融合的深度学习框架。利用时序价格数据与基于Time Machine GPT的新闻嵌入，并通过对比损失实现跨模态对齐，显著提升波动率预测精度。实证显示M2VN在美股七只大盘股上优于多种经典及深度学习基线，且量化分析证实交易量和新闻嵌入信息互补，提升风险管理和金融决策的鲁棒性[page::0][page::1][page::3][page::5][page::6][page::7]
