BriefGPT - AI 论文速递
·
基于变分模态分解、PatchTST 和自适应尺度加权层的股票价格增强预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本论文提出了一种名为VMGCformer的创新自适应混合模型，结合了改进的VMD、FE和堆叠式Informer，用于处理股票市场数据动态和波动性。实验结果显示该模型在预测准确性、响应性和泛化能力方面优于传统和其他混合模型。研究还探讨了改进预测建模的未来发展方向。
🎯
关键要点
- 提出了一种名为VMGCformer的创新自适应混合模型。
- 模型结合了改进的变分模态分解（VMD）、特征工程（FE）和堆叠式Informer。
- VMGCformer在处理股票市场数据动态和波动性方面表现出显著的熟练度。
- 实验结果显示该模型在预测准确性、响应性和泛化能力方面优于传统和其他混合模型。
- 研究探讨了改进预测建模的未来发展方向，特别是针对小企业和特征工程。
🏷️
标签
➡️
