本文提出了一种联邦变压器模型，用于时间序列股票预测，兼顾隐私保护与性能提升。通过实证分析，展示了该模型在数据异质性和异常检测方面的优势，并探讨了Transformer在时间序列预测中的应用及改进方法，强调了其在长期预测任务中的有效性和潜在研究方向。