基于轻量级Transformer子模型的股票趋势预测研究

核心想法

学界和工业界对股票价格的共识是股票价格分布会随着时间偏移，也就是说一只股票在历史区间内分布不是一个单一多元分布，而是一个多元分布簇。基于这个共识，本研究提出针对时间序列的分布簇拟合技术，与已有研究不同的是，已有研究的模型所拟合的是一个多元分布簇，这与事实不符，模型最终会向“均值”坍缩，模型泛化能力不足。相较于已有研究，本研究所提出的分布簇拟合技术，会精准拟合每一个多元分布簇，若历史数据足够多，本研究所拟合的分布簇会覆盖掉所有的股票模式，后续经过集成策略处理后对股票趋势进行预测。