文章 "交易中的神经网络：使用小波变换和多任务注意力的模型" 新评论 MetaQuotes 2025.10.22 09:12 新文章 交易中的神经网络：使用小波变换和多任务注意力的模型已发布： 我们邀请您探索一个结合小波变换和多任务自注意力模型的框架，旨在提高波动市场条件下预测的响应能力、和准确性。小波变换可将资产回报分解为高频和低频，精心捕捉长期市场趋势、和短期波动。 近年来，深度学习已成为量化投资中不可或缺的工具，特别是在完善多因素策略方面，由其构成了理解金融资产价格走势的基础。通过自动化特征学习、和捕获金融市场数据中的非线性关系，深度学习算法可以有效地发现复杂形态，从而提升预测准确性。全球研究界认识到深度神经网络，譬如递归神经网络（RNN）、和卷积神经网络（CNN），预测股票和期货价格方面的潜力。然而，虽然 RNN 和 CNN 都已被广泛运用，但更深层次的神经架构，即提取和构造顺序市场和信号信息仍未得到充分探索。这为深度学习应用于股票市场的深入推动开启了机会。 今天，我们讲述多任务-Stockformer 框架，其在论文《Stockformer：基于小波变换和多任务自注意力网络的价格-成交量因子股票选择模型》中提出。尽管名称与之前讨论的 StockFormer 框架相似，但这两个模型并不相关 — 除了它们的共同目标：为金融市场交易生成可盈利的股票投资组合。 作者：Dmitriy Gizlyk Rorschach 2024.12.26 18:00 #1 是否有关于格拉米安角差场的计划？ 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 交易中的神经网络：使用小波变换和多任务注意力的模型已发布：
近年来，深度学习已成为量化投资中不可或缺的工具，特别是在完善多因素策略方面，由其构成了理解金融资产价格走势的基础。通过自动化特征学习、和捕获金融市场数据中的非线性关系，深度学习算法可以有效地发现复杂形态，从而提升预测准确性。全球研究界认识到深度神经网络，譬如递归神经网络（RNN）、和卷积神经网络（CNN），预测股票和期货价格方面的潜力。然而，虽然 RNN 和 CNN 都已被广泛运用，但更深层次的神经架构，即提取和构造顺序市场和信号信息仍未得到充分探索。这为深度学习应用于股票市场的深入推动开启了机会。
今天，我们讲述多任务-Stockformer 框架，其在论文《Stockformer：基于小波变换和多任务自注意力网络的价格-成交量因子股票选择模型》中提出。尽管名称与之前讨论的 StockFormer 框架相似，但这两个模型并不相关 — 除了它们的共同目标：为金融市场交易生成可盈利的股票投资组合。
作者：Dmitriy Gizlyk