终检失败 创新训练 520计算机科学技术 理论研究-科学技术未定级

随着深度学习在时序建模方面的进展,如Transformer等注意力机制的提出,这些新方法在金融和股票市场也显示出强大的潜力。但是目前股票市场中使用的模型大多还是简单的统计方法或循环神经网络,未能充分利用新方法的优势。为了提高股票市场分析和投资决策的效果,本项目拟引入Transformer等注意力机制,建立一个股票因子时间序列预测的系统,直接以预测个股收益和优化组合收益作为目标。该系统通过自动化学习大量股票数据中的时间序列特征,可以高效地进行股票筛选、组合管理等工作。项目基于丰富的理论基础和实证分析,具有较强的创新性和实用性。相比于传统方法,这一系统可以更准确地判断个股价值,科学优化投资组合,因此非常有助于投资者进行股票选股和投资管理。