DiffsFormer：基于扩散模型的因子增强框架——“学海拾珠”系列之一百八十五
创建于 更新于
摘要
本报告提出DiffsFormer，一种基于扩散模型和Transformer的股票因子增强框架，针对股票预测中信噪比低和数据同质性强导致的数据稀缺问题，采用标签和行业信息作为条件引导，并引入迁移学习编辑现有样本，显著提升沪深300和中证800的年化收益率，验证了其在多种主流机器学习模型上的广泛适用性和较强的稳定性控制能力 [page::0][page::3][page::5][page::14][page::21]。
