🚀 快速阅读架构：基于多层感知器（MLP），通过办法、时间和股票夹杂处理股票数据。功能：捕捉股票办法、时间和股票间的复杂干系性，瞻望下一个来曩昔的收盘价。应用：适用于量化投资、风险管制、算法来往和投资组合优化等场景。正文（附运转示例）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瞻望的多层感知器（MLP）架构，具备绵薄且庞大的瞻望才能。该架构通过办法夹杂、时间夹杂和股票夹杂三个才略处理和瞻望股票数据，灵验捕捉股票办法、时间和股票间的复杂干系性。

时间夹杂期骗多步调时间片断信息，股票夹杂基于市集景况影响个股，从长途毕更准确的瞻望。StockMixer 在减少内存使用和议论老本的同期，在多个股票市集基准测试中透露优异，超过多种先进的瞻望方法。

StockMixer 的主邀功能办法夹杂：通过矩阵乘法和激活函数模拟每只股票-时间对里面办法之间的互相作用，索求对改日股票趋势有信息量的高档别潜在特征。时间夹杂：基于多步调时间片断的信拒却换来捕捉股票价钱领略中的时间趋势和方法，维持模子从不同时间步调索求特征。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干系性，更持重地建模股票干系性。瞻望股票价钱：结合上述夹杂得到的特征示意，瞻望下一个来曩昔的收盘价。StockMixer 的时期旨趣多层感知器（MLP）架构：基于 MLP，通过线性议论复杂度和绵薄的架构处理股票数据。信拒却换：基于 MLP 结构在不同维度（办法、时间和股票）之间交换信息，增强模子的透露力。残差结合和层归一化：用残差结合保抓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。多步调时间片断：将时间序列分割成不同大小的片断，拿获不同时间步调上的特征。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，模拟股票之间的干系性。亏蚀函数联想：结合点转头和成对名次感知亏蚀，优化模子用最小化瞻望和施行讲演率之间的均方罪状，保抓高预期讲演股票的相对轨则。如何运转 StockMixer1. 环境确立

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）可从以下纠合赢得：

NASDAQ/NYSE: https://github.com/fulifeng/Temporal_Relational_Stock_RankingS&P500: https://github.com/thanhtrunghuynh93/estimate3. 运转代码

裁剪 train.py 中简直立九游会体育，然后运转以下号召：

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 本站仅提供存储就业，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。