债券市场深度分析 StockMixer：上海交大推出忖度股票价钱的 MLP 架构，通过捕捉见地、时期和股票间的复杂有关性

🚀 快速阅读架构：基于多层感知器（MLP），通过见地、时期和股票夹杂处理股票数据。功能：捕捉股票见地、时期和股票间的复杂有关性，忖度下一个交往时的收盘价。应用：适用于量化投资、风险措置、算法交往和投资组合优化等场景。正文（附开动示例）StockMixer 是什么

图片

公众号: 蚝油菜花 - StockMixer

StockMixer 是上海交通大学推出的用于股票价钱忖度的多层感知器（MLP）架构，具备浮浅且高大的忖度能力。该架构通过见地夹杂、时期夹杂和股票夹杂三个时势处理和忖度股票数据，有用捕捉股票见地、时期和股票间的复杂有关性。

时期夹杂诓骗多圭臬时期片断信息，股票夹杂基于市集景况影响个股，从而达成更准确的忖度。StockMixer 在减少内存使用和计较资本的同期，在多个股票市集基准测试中进展优异，特出多种先进的忖度要领。

StockMixer 的主邀功能见地夹杂：通过矩阵乘法和激活函数模拟每只股票-时期对里面见地之间的相互作用，提真金不怕火对改日股票趋势有信息量的高等别潜在特征。时期夹杂：基于多圭臬时期片断的信断交换来捕捉股票价钱通晓中的时期趋势和花样，救济模子从不同时间圭臬提真金不怕火特征。股票夹杂：学习从通盘市集到个股再回到通盘市集的股票景况，模拟股票之间的复杂有关性，蜕变经地建模股票有关性。忖度股票价钱：结合上述夹杂得到的特征示意，忖度下一个交往时的收盘价。StockMixer 的时期旨趣多层感知器（MLP）架构：基于 MLP，通过线性计较复杂度和浮浅的架构处理股票数据。信断交换：基于 MLP 结构在不同维度（见地、时期和股票）之间交换信息，增强模子的进展力。残差取悦和层归一化：用残差取悦保捏输入和夹杂特征之间的均衡，层归一化减少数据偏移的影响。多圭臬时期片断：将时期序列分割成不同大小的片断，拿获不同时间圭臬上的特征。股票到市集和市集到股票的影响：基于两个 MLP 结构学习潜在的股票景况，用这些景况影响个股，模拟股票之间的有关性。吃亏函数策画：结合点总结和成对排行感知吃亏，优化模子用最小化忖度和实质汇报率之间的均方裂缝，保捏高预期汇报股票的相对司法。何如开动 StockMixer1. 环境建树

确保已装置以下依赖：

Python 3.7torch~=1.10.1numpy~=1.21.5PyYAML, pandas, tqdm, matplotlib2. 数据集准备

原始数据集（NASDAQ、NYSE 和 S&P500）可从以下取悦取得：

NASDAQ/NYSE: https://github.com/fulifeng/Temporal_Relational_Stock_RankingS&P500: https://github.com/thanhtrunghuynh93/estimate3. 开动代码

剪辑 train.py 中的建树，然后开动以下敕令：

python src/train.py资源GitHub 仓库：https://github.com/SJTU-DMTai/StockMixer时期论文：https://ojs.aaai.org/index.php/AAAI/article/view/28681 本站仅提供存储工作，通盘内容均由用户发布，如发现存害或侵权内容，请点击举报。