今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于因子驱动动态图学习的股价预测框架FactorDGL

《Scientific Reports》:FactorDGL: factor-driven dynamic graph learning for stock price forecasting

【字体: 大 中 小 】 时间:2026年09月27日 来源:Scientific Reports 4.9

编辑推荐:

   摘要由于金融市场的噪声性、非线性以及多因素特征,预测股价走势极具挑战性。大多数传统和深度学习模型主要依赖于观测到的价格序列,这使得它们难以捕捉与短期波动相关的复杂潜在时间模式。这些模型还难以表征高阶时间依赖关系,并且往往无法以结构化的方式组织不同来源的市场变化。为解决这些局限

  

摘要

由于金融市场的噪声性、非线性以及多因素特征,预测股价走势极具挑战性。大多数传统和深度学习模型主要依赖于观测到的价格序列,这使得它们难以捕捉与短期波动相关的复杂潜在时间模式。这些模型还难以表征高阶时间依赖关系,并且往往无法以结构化的方式组织不同来源的市场变化。为解决这些局限,我们提出了FactorDGL:一种基于因子驱动动态图学习的股价预测框架(FactorDGL),旨在逐步学习和精细化地构建价格运动背后的层级潜在表征。FactorDGL采用时间超图来表示多个历史时间点之间的复杂关系,并结合级联残差机制,逐步从扣除已知影响因素后剩余的残差信号中提取潜在表征。此外,我们通过整合辅助波动率预测和夏普比率预测任务,将股价预测问题构建为价格-风险联合表征学习问题,从而帮助模型更好地适应动态市场状态和结构性变化。在MasterCard、Visa和DJIA数据集上的实验表明,在所评估的市场环境下,FactorDGL持续优于现有基线方法。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:股价预测|动态图学习|时间超图|级联残差机制|联合表征学习|因子驱动

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号